Image_enhancement

基于imgaug库开发的图形界面批量图像增强工具，支持多种增强方式的自定义选择和批量处理。

批量图像增强工具

基于imgaug库开发的图形界面批量图像增强工具，支持多种增强方式的自定义选择和批量处理。

功能特点

🎯 核心功能

• 30+种增强方式：涵盖几何变换、颜色增强、模糊噪声、对比度调整、天气效果等
• 图形化界面：直观的GUI操作，无需编程知识
• 批量处理：支持大量图像的批量增强
• 实时预览：可预览增强效果后再批量处理
• 配置管理：自动保存和加载用户配置

🛠️ 技术特性

• 多线程处理：避免界面卡顿
• 进度显示：实时显示处理进度
• 错误处理：完善的错误提示和日志记录
• 格式支持：支持JPG、PNG、BMP、TIFF等格式
• 参数可调：每种增强方式都有预设参数

安装和运行

环境要求

• Python 3.7+
• Windows/macOS/Linux

快速启动

1. 确保已安装Python 3.7+
2. 运行启动脚本：

   python run.py

3. 程序会自动检查并安装所需依赖项

手动安装依赖

如果自动安装失败，可手动安装：

pip install numpy opencv-python Pillow scikit-image scipy

使用指南

1. 基本操作流程

步骤1：选择文件

• 点击"浏览"选择包含图像的输入文件夹
• 选择输出文件夹用于保存增强后的图像
• 设置每张图片的增强数量（1-50）

步骤2：选择增强方式

程序提供6大类增强方式：

几何变换

• Affine：仿射变换（缩放、旋转、平移）
• Rotate：旋转（-30到30度）
• Scale：缩放（70%到130%）
• Translate：平移（-20%到20%）
• Shear：剪切（-15到15度）
• PerspectiveTransform：透视变换
• ElasticTransformation：弹性变换

颜色增强

• AddToBrightness：亮度调整（-30到30）
• MultiplyBrightness：亮度乘法（0.7到1.3倍）
• AddToHue：色调调整（-20到20）
• AddToSaturation：饱和度调整（-30到30）
• Grayscale：灰度化（50%到100%）
• ChangeColorTemperature：色温调整（1000K到11000K）
• Posterize：色调分离（3到7位）

模糊和噪声

• GaussianBlur：高斯模糊（0到1.0）
• AverageBlur：平均模糊（2到7）
• MedianBlur：中值模糊（3到7）
• MotionBlur：运动模糊（3到7，角度-45到45）
• AdditiveGaussianNoise：高斯噪声（0到12.75）
• AdditivePoissonNoise：泊松噪声（0到10）
• SaltAndPepper：椒盐噪声（0到5%）

对比度和锐化

• ContrastNormalization：对比度归一化（0.5到1.5）
• HistogramEqualization：直方图均衡化
• CLAHE：CLAHE（限制1到4，网格3到7）
• Sharpen：锐化（强度0到1，亮度0.75到1.25）
• Emboss：浮雕（强度0到1，强度0.5到1.5）

天气效果

• Clouds：云朵（密度0到30%）
• Rain：雨滴（长度和宽度0.1到0.3）
• Snowflakes：雪花（大小和密度0.1到0.3）
• Fog：雾（密度0到30%）

边缘和纹理

• Canny：Canny边缘检测（强度0到1）
• DirectedEdgeDetect：定向边缘检测（强度0到1）
• FrequencyNoiseAlpha：频率噪声（指数-4到4，最大尺寸4到16）
• SimplexNoiseAlpha：Simplex噪声（最大尺寸4到16）

步骤3：设置参数

• 随机种子：确保结果可重现（默认42）
• 保持原始尺寸：是否保持图像原始尺寸
• 输出格式：选择输出图像格式（PNG/JPG/BMP/TIFF）

步骤4：预览和批量处理

• 点击"预览效果"查看增强效果
• 点击"开始批量增强"开始处理
• 可随时点击"停止处理"中断

2. 高级功能

配置管理

• 自动保存：程序会自动保存用户设置
• 配置加载：可通过菜单加载其他配置文件
• 快速选择：点击"选择测试图片"使用内置测试数据

批量处理特性

• 多线程：处理过程不会卡住界面
• 进度显示：实时显示处理进度和状态
• 错误处理：单个文件失败不影响整体处理
• 日志记录：详细记录处理过程和错误信息

输出组织

• 每个原始图像会创建一个子文件夹
• 原始图像保存为 {原文件名}_original.{格式}
• 增强图像保存为 {原文件名}_aug_01.{格式}、{原文件名}_aug_02.{格式} 等

3. 使用技巧

增强方式组合

• 单一增强：选择一种增强方式，适合简单需求
• 组合增强：选择多种增强方式，imgaug会随机组合
• 类别全选：使用每个类别的"全选"按钮快速选择

参数调整

• 保守设置：对于重要数据，建议使用较小的参数范围
• 实验设置：可以尝试较大的参数范围获得更多变化
• 预览验证：批量处理前务必使用预览功能验证效果

性能优化

• 批量大小：根据计算机性能调整每张图片的增强数量
• 输出格式：PNG质量最高但文件较大，JPG适合存储
• 内存管理：处理大量图像时注意内存使用

文件结构

Image-Augmentation-master/
├── batch_image_augmentation.py          # 基础版本GUI应用
├── batch_image_augmentation_advanced.py # 高级版本GUI应用
├── run.py                              # 启动脚本
├── config.json                         # 配置文件
├── README_批量图像增强工具.md           # 使用说明
├── pkg/                                # imgaug库文件
│   └── imgaug/
├── data/                               # 测试数据
│   ├── img/                           # 测试图像
│   ├── json/                          # JSON标注
│   └── xml/                           # XML标注
└── doc/                               # 文档
    ├── images/                        # 示例图片
    └── source/                        # 文档源码

常见问题

Q: 程序启动失败怎么办？

A:

1. 检查Python版本是否为3.7+
2. 确保已安装所有依赖项
3. 查看错误日志，根据提示安装缺失的库

Q: 增强效果不理想怎么办？

A:

1. 使用预览功能测试不同参数
2. 调整增强方式的参数范围
3. 尝试组合不同的增强方式
4. 参考imgaug官方文档了解参数含义

Q: 处理速度太慢怎么办？

A:

1. 减少每张图片的增强数量
2. 选择计算量较小的增强方式
3. 使用JPG格式减少文件大小
4. 关闭不必要的增强方式

Q: 内存不足怎么办？

A:

1. 分批处理图像
2. 减少同时处理的图像数量
3. 使用较小的图像尺寸
4. 关闭其他占用内存的程序

Q: 如何保存自定义配置？

A:

1. 程序会自动保存配置到config.json
2. 可以通过菜单"文件" -> "保存配置"手动保存
3. 可以通过菜单"文件" -> "加载配置"加载其他配置

技术支持

依赖库版本

• numpy >= 1.19.0
• opencv-python >= 4.5.0
• Pillow >= 8.0.0
• scikit-image >= 0.18.0
• scipy >= 1.7.0

系统兼容性

• Windows 10/11
• macOS 10.14+
• Ubuntu 18.04+

故障排除

1. 依赖项问题：运行 python run.py 自动检查和安装
2. 权限问题：确保对输入输出文件夹有读写权限
3. 路径问题：避免使用包含中文或特殊字符的路径
4. 内存问题：处理大量图像时注意内存使用

更新日志

v2.0 (当前版本)

• 新增高级版本GUI应用
• 支持配置文件的保存和加载
• 新增预览功能
• 改进错误处理和日志记录
• 优化用户界面和用户体验

v1.0

• 基础版本GUI应用
• 支持30+种增强方式
• 批量处理功能
• 多线程处理

许可证

本项目基于原imgaug项目开发，遵循相应的开源许可证。

贡献

欢迎提交问题报告和功能建议！

---

注意：使用前请备份重要图像数据，确保增强效果符合预期。