tensorflow中图像增强的方法详解
tf.keras.preprocessing.image.ImageDataGenerator()官方文档如下：
1 tf.keras.preprocessing.image.ImageDataGenerator(
2 featurewise_center=False,
3 samplewise_center=False,
4 featurewise_std_normalization=False,
5 samplewise_std_normalization=False,
6 zca_whitening=False,
7 zca_epsilon=1e-06,
8 rotation_range=0,
9 width_shift_range=0.0,
10 height_shift_range=0.0,
11 brightness_range=None,
12 shear_range=0.0,
13 zoom_range=0.0,
14 channel_shift_range=0.0,
15 fill_mode='nearest', cval=0.0,
16 horizontal_flip=False,
17 vertical_flip=False,
18 rescale=None,
19 preprocessing_function=None,
20 data_format=None,
21 validation_split=0.0,
22 dtype=None
23 )
1. featurewise_center
布尔类型，大意是数据集去中心化，每个输入样本除以整个数据集的标准差
2. samplewise_center
布尔类型，大意是样本去中心化，每个输入样本除以自身的标准差
3. featurewise_std_normalization
布尔类型，输入样本除以数据集的标准差以完成标准化, 按feature执行
4. samplewise_std_normalization
布尔类型，输入样本除以自身的标准差以完成标准化
5. zca_whitening
布尔类型，对输入数据施加ZCA白化，即对图像进行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)
6. rotation_range
整数（取值为0-180的整数），数据提升时图片随机转动的角度， 在 [0, 指定角度] 范围内进行随机角度旋转
7. width_shift_range
浮点数（取值为0-1的浮点数，可以大于1，但最好不要大于1），水平方向平移的幅度（平移距离 / 图像宽度）
8. height_shift_range
浮点数（取值为0-1的浮点数，可以大于1，但最好不要大于1），垂直方向平移的幅度（平移距离 / 图像高度）
9. shear_range
浮点数，剪切强度（逆时针方向的剪切变换角度），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。
10. zoom_range
浮点数或形如[width_zoom_range, height_zoom_range]的列表。若为浮点数，图片同时在长宽两个方向进行同等程度的放缩操作；若为列表，即分别对长宽进行不同程度的放缩
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
11. channel_shift_range
浮点数，颜色通道的数值偏移，改变图片的整体颜色，相当于给整个数据集加了一个“滤镜”
12. fill_mode
‘constant'，‘nearest'，‘reflect'或‘wrap'之一，当对图片进行平移、放缩、剪切等操作时，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
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，随机的对图片进行水平翻转，意味着不一定对所有图片都会执行水平翻转，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，随机垂直翻转
16. rescale
浮点数（取值为0-1的浮点数），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，所以该值通常定为 1/255
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”。
