常见增强#

• 翻转：适合左右对称或方向不敏感的目标。

• 缩放和裁剪：模拟距离变化，但要避免裁掉目标主体。

• 亮度和对比度：模拟光照变化。

• 模糊和噪声：模拟拍摄质量变化。

• 旋转：要确认目标方向是否仍然合理。

增强必须同步标签#

检测任务中，如果图片翻转、裁剪或缩放，框坐标也要同步变换。只增强图片不改标签，会直接制造错误训练样本。

先可视化一批#

1
# 使用任意增强库后，都建议保存一批增强结果
2
out_dir = Path("outputs/aug_check")
3
out_dir.mkdir(parents=True, exist_ok=True)
4
# 保存增强后的图片和框，用肉眼检查是否合理

增强策略上线前，至少看几十张增强后的图片和标注框。

不适合增强的情况#

文字识别里水平翻转可能让文字变成无意义图像；医学或工业缺陷场景中，颜色变化可能改变判断依据；方向敏感目标不能随意旋转。

实战复盘#

复用《图像增强基础笔记》时，我会先用三到五张图片跑通流程，再扩大到完整数据集。小样本阶段要故意覆盖正常图、边界图和可能失败的图，而不是只选最干净的样本。

OpenCV 和 YOLO 相关步骤都要特别关注坐标和尺寸。图片数组常用高宽顺序，检测框常用 x/y 顺序，YOLO 又使用归一化中心点坐标，混用后不会总是报错，但结果一定会偏。

后续如果要写成更完整教程，可以补充输入目录结构、输出目录结构和一张可视化样例，让读者能直接对照自己的项目。

最小验收样例#

验收《图像增强基础笔记》时，我会固定三张图片：一张正常样例、一张边界样例、一张容易失败的样例。每次改代码都用这三张图跑一遍，并保存输出结果。

视觉流程的验收必须能用眼睛确认。只打印数组 shape 或命令成功不够，至少要保存一张中间结果图或最终可视化图，确认处理效果和预期一致。

小结#

图像增强的目标是模拟真实变化，不是随机制造图片。每一种增强都要能解释，并通过可视化检查标签是否仍然正确。