一、imguag简介
备选参考的图片扩大框架：kears Imagedatagenerator
参考文档
https://imgaug.readthedocs.io/en/latest/
python3.7
numpy1.17.0
https://imgaug.readthedocs.io/en/latest/
参数选择：
- 如果可能，应使用最近邻插值或线性插值，因为它们比其他选项要快得多。使用插值的大多数增强器提供
order参数（0 =最近邻，1 =线性）或interpolation参数（“最近邻”，“线性”）。 keep_size=True在所有更改图像尺寸的增强器中，默认设置为使用。这很方便，因为它可以确保图像尺寸不会因扩展而改变。但是，它的确会导致明显的性能下降，通常不仅仅使带宽减半。keep_size=False尽可能尝试 。您仍然可以在扩充后或使用来手动调整图像的大小KeepSizeByResize(Sequential(<augmenters>))。- 当增强器提供以用户定义的方式填充新创建的像素的模式（例如
pad_mode=constant，Pad以指定的恒定颜色填充所有填充的像素）时，使用edge代替constant通常不会带来明显的性能损失。
具体的增强器建议：
- 对于存在元素级同级的增强器（例如
Multiply和MultiplyElementwise），元素级增强器通常比非元素级的显着慢。 - 如果需要模糊处理，
AverageBlur是最快的选择，其次是GaussianBlur。 - 在较粗糙的图像（例如
CoarseDropoutvsDropout）上运行的增强器可能比其非粗略的兄弟姐妹快得多。 - 对比度归一化增强器在性能上均具有可比性，但基于直方图的增强器明显较慢。
PiecewiseAffine是一个非常慢的增幅器，通常应由ElasticTransformation代替，ElasticTransformation可以实现类似的输出，并且速度要快得多。Superpixels是一个相当缓慢的增强器，通常应该包装起来，例如Sometimes不要经常使用它并降低其性能影响。- 除天气
FastSnowyLandscape增速器外，其他增速器都相当缓慢，仅在合理时才使用。
图片
以下数字代表小图像（64x64x3）和大图像（224x224x3）。B=1表示的批量大小1，B=128其中一个128。
https://imgaug.readthedocs.io/en/latest/source/performance.html
二、安装imguag
https://blog.csdn.net/limiyudianzi/article/details/86497305
https://blog.csdn.net/qq_38451119/article/details/82417412
三、imguag使用方法