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:

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：

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：

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：

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，Whitening--斯坦福。

很抱歉的是，本人使用keras的官方演示代码，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，有修改意见的朋友欢迎留言。

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：

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：

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。

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。

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：

参数等于4时，效果如图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。

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。

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。

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：

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。

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”。

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。

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！

注：转载、翻译请直接私聊本人，经本人同意后方可进行转载。