from keras.preprocessing.image import ImageDataGenerator

1. keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,
2. samplewise_center=False,
3. featurewise_std_normalization = False,
4. samplewise_std_normalization = False,
5. zca_whitening = False,
6. rotation_range = 0.,
7. width_shift_range = 0.,
8. height_shift_range = 0.,
9. shear_range = 0.,
10. zoom_range = 0.,
11. channel_shift_range = 0.,
12. fill_mode = ’nearest’,
13. cval = 0.0,
14. horizontal_flip = False,
15. vertical_flip = False,
16. rescale = None,
17. preprocessing_function = None,
18. data_format = K.image_data_format(),
19. )

1. featurewise_center：布尔值，使输入数据集去中心化（均值为0）, 按feature执行。
2. samplewise_center：布尔值，使输入数据的每个样本均值为0。
3. featurewise_std_normalization：布尔值，将输入除以数据集的标准差以完成标准化, 按feature执行。
4. samplewise_std_normalization：布尔值，将输入的每个样本除以其自身的标准差。
5. zca_whitening：布尔值，对输入数据施加ZCA白化。
6. rotation_range：整数，数据提升时图片随机转动的角度。随机选择图片的角度，是一个0~180的度数，取值为0~180。
7. width_shift_range：浮点数，图片宽度的某个比例，数据提升时图片随机水平偏移的幅度。
8. height_shift_range：浮点数，图片高度的某个比例，数据提升时图片随机竖直偏移的幅度。 
   height_shift_range和width_shift_range是用来指定水平和竖直方向随机移动的程度，这是两个0~1之间的比例。
9. shear_range：浮点数，剪切强度（逆时针方向的剪切变换角度）。是用来进行剪切变换的程度。
10. zoom_range：浮点数或形如[lower,upper]的列表，随机缩放的幅度，若为浮点数，则相当于[lower,upper] = [1 - zoom_range, 1+zoom_range]。用来进行随机的放大。
11. channel_shift_range：浮点数，随机通道偏移的幅度。
12. fill_mode：‘constant’，‘nearest’，‘reflect’或‘wrap’之一，当进行变换时超出边界的点将根据本参数给定的方法进行处理
13. cval：浮点数或整数，当fill_mode=constant时，指定要向超出边界的点填充的值。
14. horizontal_flip：布尔值，进行随机水平翻转。随机的对图片进行水平翻转，这个参数适用于水平翻转不影响图片语义的时候。
15. vertical_flip：布尔值，进行随机竖直翻转。
16. rescale: 值将在执行其他处理前乘到整个图像上，我们的图像在RGB通道都是0~255的整数，这样的操作可能使图像的值过高或过低，所以我们将这个值定为0~1之间的数。
17. preprocessing_function: 将被应用于每个输入的函数。该函数将在任何其他修改之前运行。该函数接受一个参数，为一张图片（秩为3的numpy array），并且输出一个具有相同shape的numpy array
18. data_format：字符串，“channel_first”或“channel_last”之一，代表图像的通道维的位置。该参数是Keras 1.x中的image_dim_ordering，“channel_last”对应原本的“tf”，“channel_first”对应原本的“th”。以128x128的RGB图像为例，“channel_first”应将数据组织为（3,128,128），而“channel_last”应将数据组织为（128,128,3）。该参数的默认值是~/.keras/keras.json中设置的值，若从未设置过，则为“channel_last”。

例子：

1. train_datagen = ImageDataGenerator(
2. preprocessing_function = preprocess_input,
3. rotation_range = 30,
4. width_shift_range = 0.2,
5. height_shift_range = 0.2,
6. shear_range = 0.2,
7. zoom_range = 0.2,
8. horizontal_flip = True,
9. )

Data Aumentation（数据扩充）指的是在使用以下或者其他方法增加数据输入量。这里，我们特指图像数据。
旋转 | 反射变换(Rotation/reflection): 随机旋转图像一定角度; 改变图像内容的朝向;
翻转变换(flip): 沿着水平或者垂直方向翻转图像;
缩放变换(zoom): 按照一定的比例放大或者缩小图像;
平移变换(shift): 在图像平面上对图像以一定方式进行平移;
可以采用随机或人为定义的方式指定平移范围和平移步长, 沿水平或竖直方向进行平移. 改变图像内容的位置;
尺度变换(scale): 对图像按照指定的尺度因子, 进行放大或缩小; 或者参照SIFT特征提取思想, 利用指定的尺度因子对图像滤波构造尺度空间. 改变图像内容的大小或模糊程度;
对比度变换(contrast): 在图像的HSV颜色空间，改变饱和度S和V亮度分量，保持色调H不变. 对每个像素的S和V分量进行指数运算(指数因子在0.25到4之间), 增加光照变化;
噪声扰动(noise): 对图像的每个像素RGB进行随机扰动, 常用的噪声模式是椒盐噪声和高斯噪声;

图像深度学习任务中，面对小数据集，我们往往需要利用Image Data Augmentation图像增广技术来扩充我们的数据集，而keras的内置ImageDataGenerator很好地帮我们实现图像增广。但是面对ImageDataGenerator中众多的参数，每个参数所得到的效果分别是怎样的呢？本文针对Keras中ImageDataGenerator的各项参数数值的效果进行了详细解释，为各位深度学习研究者们提供一个参考。

我们先来看看ImageDataGenerator的官方说明（https://keras.io/preprocessing/image/）

keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,

samplewise_center=False,

featurewise_std_normalization=False,

samplewise_std_normalization=False,

zca_whitening=False,

zca_epsilon=1e-6,

rotation_range=0.,

width_shift_range=0.,

height_shift_range=0.,

shear_range=0.,

zoom_range=0.,

channel_shift_range=0.,

fill_mode=’nearest’,

cval=0.,

horizontal_flip=False,

vertical_flip=False,

rescale=None,

preprocessing_function=None,

data_format=K.image_data_format())

官方提供的参数解释因为太长就不贴出来了，大家可以直接点开上面的链接看英文原介绍，我们现在就从每一个参数开始看看它会带来何种效果。

我们测试选用的是kaggle dogs vs cats redux 猫狗大战的数据集，随机选取了9张狗狗的照片，这9张均被resize成224×224的尺寸，如图1：

图1

1. featurewise

datagen = image.ImageDataGenerator(featurewise_center=True,

featurewise_std_normalization=True)

featurewise_center的官方解释：”Set input mean to 0 over the dataset, feature-wise.” 大意为使数据集去中心化（使得其均值为0），而samplewise_std_normalization的官方解释是“ Divide inputs by std of the dataset, feature-wise.”，大意为将输入的每个样本除以其自身的标准差。这两个参数都是从数据集整体上对每张图片进行标准化处理，我们看看效果如何：

图2

与图1原图相比，经过处理后的图片在视觉上稍微“变暗”了一点。

2. samplewise

datagen = image.ImageDataGenerator(samplewise_center=True,

samplewise_std_normalization=True)

samplewise_center的官方解释为：“ Set each sample mean to 0.”，使输入数据的每个样本均值为0；samplewise_std_normalization的官方解释为：“Divide each input by its std.”，将输入的每个样本除以其自身的标准差。这个月featurewise的处理不同，featurewise是从整个数据集的分布去考虑的，而samplewise只是针对自身图片，效果如图3：

图3

看来针对自身数据分布的处理在猫狗大战数据集上没有什么意义，或许在mnist这类灰度图上有用？读者可以试试。

3. zca_whtening

datagen = image.ImageDataGenerator(zca_whitening=True)

zca白化的作用是针对图片进行PCA降维操作，减少图片的冗余信息，保留最重要的特征，细节可参看：Whitening transformation–维基百科(https://en.wikipedia.org/wiki/Whitening_transformation)，Whitening–斯坦福(http://ufldl.stanford.edu/wiki/index.php/Whitening)。

很抱歉的是，本人使用keras的官方演示代码(https://keras.io/preprocessing/image/)，并没有复现出zca_whitening的效果，当我的图片resize成224×224时，代码报内存错误，应该是在计算SVD的过程中数值太大。后来resize成28×28，就没有内存错误了，但是代码运行了一晚上都不结束，因此使用猫狗大战图片无法复现效果，这里转发另外一个博客使用mnist复现出的结果，如下图4。针对mnist的其它DataAugmentation结果可以看这个博客：Image Augmentation for Deep Learning With Keras(https://machinelearningmastery.com/image-augmentation-deep-learning-keras/)，有修改意见的朋友欢迎留言。

图4

4. rotation range

datagen = image.ImageDataGenerator(rotation_range=30)

rotation range的作用是用户指定旋转角度范围，其参数只需指定一个整数即可，但并不是固定以这个角度进行旋转，而是在 [0, 指定角度] 范围内进行随机角度旋转。效果如图5：

图5

5. width_shift_range & height_shift_range

datagen = image.ImageDataGenerator(width_shift_range=0.5,height_shift_range=0.5)

width_shift_range & height_shift_range 分别是水平位置评议和上下位置平移，其参数可以是[0, 1]的浮点数，也可以大于1，其最大平移距离为图片长或宽的尺寸乘以参数，同样平移距离并不固定为最大平移距离，平移距离在 [0, 最大平移距离] 区间内。效果如图6：

图6

平移图片的时候一般会出现超出原图范围的区域，这部分区域会根据fill_mode的参数来补全，具体参数看下文。当参数设置过大时，会出现图7的情况，因此尽量不要设置太大的数值。

图7

6. shear_range

datagen = image.ImageDataGenerator(shear_range=0.5)

shear_range就是错切变换，效果就是让所有点的x坐标(或者y坐标)保持不变，而对应的y坐标(或者x坐标)则按比例发生平移，且平移的大小和该点到x轴(或y轴)的垂直距离成正比。

如图8所示，一个黑色矩形图案变换为蓝色平行四边形图案。狗狗图片变换效果如图9所示。

图8

图9

7. zoom_range

datagen = image.ImageDataGenerator(zoom_range=0.5)

zoom_range参数可以让图片在长或宽的方向进行放大，可以理解为某方向的resize，因此这个参数可以是一个数或者是一个list。当给出一个数时，图片同时在长宽两个方向进行同等程度的放缩操作；当给出一个list时，则代表[width_zoom_range, height_zoom_range]，即分别对长宽进行不同程度的放缩。而参数大于0小于1时，执行的是放大操作，当参数大于1时，执行的是缩小操作。

参数大于0小于1时，效果如图10：

图10

参数等于4时，效果如图11：

图11

8. channel_shift_range

datagen = image.ImageDataGenerator(channel_shift_range=10)

channel_shift_range可以理解成改变图片的颜色，通过对颜色通道的数值偏移，改变图片的整体的颜色，这意味着是“整张图”呈现某一种颜色，像是加了一块有色玻璃在图片前面一样，因此它并不能单独改变图片某一元素的颜色，如黑色小狗不能变成白色小狗。当数值为10时，效果如图12；当数值为100时，效果如图13，可见当数值越大时，颜色变深的效果越强。

图12

图13

9. horizontal_flip & vertical_flip

datagen = image.ImageDataGenerator(horizontal_flip=True)

horizontal_flip的作用是随机对图片执行水平翻转操作，意味着不一定对所有图片都会执行水平翻转，每次生成均是随机选取图片进行翻转。效果如图14。

图14

datagen = image.ImageDataGenerator(vertical_flip=True)

vertical_flip是作用是对图片执行上下翻转操作，和horizontal_flip一样，每次生成均是随机选取图片进行翻转，效果如图15。

图15

当然了，在猫狗大战数据集当中不适合使用vertical_flip，因为一般没有倒过来的动物。

10. rescale

datagen = image.ImageDataGenerator(rescale= 1/255, width_shift_range=0.1)

rescale的作用是对图片的每个像素值均乘上这个放缩因子，这个操作在所有其它变换操作之前执行，在一些模型当中，直接输入原图的像素值可能会落入激活函数的“死亡区”，因此设置放缩因子为1/255，把像素值放缩到0和1之间有利于模型的收敛，避免神经元“死亡”。

图片经过rescale之后，保存到本地的图片用肉眼看是没有任何区别的，如果我们在内存中直接打印图片的数值，可以看到以下结果：

图16

可以从图16看到，图片像素值都被缩小到0和1之间，但如果打开保存在本地的图片，其数值依然不变，如图17。

图17

应该是在保存到本地的时候，keras把图像像素值恢复为原来的尺度了，在内存中查看则不会。

11. fill_mode

datagen = image.ImageDataGenerator(fill_mode=’wrap’, zoom_range=[4, 4])

fill_mode为填充模式，如前面提到，当对图片进行平移、放缩、错切等操作时，图片中会出现一些缺失的地方，那这些缺失的地方该用什么方式补全呢？就由fill_mode中的参数确定，包括：“constant”、“nearest”（默认）、“reflect”和“wrap”。这四种填充方式的效果对比如图18所示，从左到右，从上到下分别为：“reflect”、“wrap”、“nearest”、“constant”。

图18

当设置为“constant”时，还有一个可选参数，cval，代表使用某个固定数值的颜色来进行填充。图19为cval=100时的效果，可以与图18右下角的无cval参数的图对比。

图19

自己动手来测试？

这里给出一段小小的代码，作为进行这些参数调试时的代码，你也可以使用jupyter notebook来试验这些参数，把图片结果打印到你的网页上。

%matplotlib inline

import matplotlib.pyplot as plt

from PIL import Image

from keras.preprocessing import image

import glob

# 设置生成器参数

datagen = image.ImageDataGenerator(fill_mode=’wrap’, zoom_range=[4, 4])

gen_data = datagen.flow_from_directory(PATH,

batch_size=1,

shuffle=False,

save_to_dir=SAVE_PATH,

save_prefix=’gen’,

target_size=(224, 224))

# 生成9张图

for i in range(9):

gen_data.next()

# 找到本地生成图，把9张图打印到同一张figure上

name_list = glob.glob(gen_path+’16/*’)

fig = plt.figure()

for i in range(9):

img = Image.open(name_list[i])

sub_img = fig.add_subplot(331 + i)

sub_img.imshow(img)

plt.show()

结语

面对小数据集时，使用DataAugmentation扩充你的数据集就变得非常重要，但在使用DataAugmentation之前，先要了解你的数据集需不需要这类图片，如猫狗大战数据集不需要上下翻转的图片，以及思考一下变换的程度是不是合理的，例如把目标水平偏移到图像外面就是不合理的。多试几次效果，再最终确定使用哪些参数。上面所有内容已经公布在我的github上面，附上了实验时的jupyter notebook文件，大家可以玩一玩，have fun！

https://zhuanlan.zhihu.com/p/30197320