深度学习中以原始数据为基础扩充数据集时，如何方便快捷的为扩充数据打label

@[TOC]深度学习中以原始数据为基础扩充数据集时，如何方便快捷的为扩充数据打label

在我们为深度学习做数据集的过程中，如果原始图片比较少，往往需要通过我们模仿外界条件为原始图像添加噪声、调整亮度等操作扩充数据集。但对于扩充的数据我们又不想再进行一个一个的去打label，那么我们可以根据标定好的原始数据，通过python代码自动实现为扩充的数据部分打label。

下面的代码实现了对原始图片的添加噪声、改变亮度，并对其进行打label。

源码如下：

import matplotlib.pyplot as plt
import os
import skimage
import random
from skimage import data_dir, io, img_as_float, exposure, filters
from skimage.morphology import disk
import skimage.filters.rank as sfr
from PIL import Image, ImageEnhance
import xml.dom.minidom

def gaussion(image,image_name, output_image_path):

	image = io.imread(image)
	name = os.path.splitext(image_name)[0]
	try:
		'''gaussian noise'''
		variance = round(random.uniform(0.001,0.005),4)
		image_noise = skimage.util.random_noise(image, mode='gaussian', seed=None, clip=True, var = variance)
		io.imsave(output_image_path+name+'_gaunoise.jpg', image