图像数据集扩展

扩展图像数据集是一种常用的技术，用于增强模型的泛化能力和提高机器学习模型的性能。以下是一些常见的图像数据集扩展方法及其具体实现方式：

1. 图像旋转：通过对图像进行不同角度的旋转来增加数据集的多样性。例如，可以将图像旋转10度、20度等不同的角度。在Python中，这可以通过使用PIL库的rotate方法实现。

   from PIL import Image 
   img = Image.open("path_to_image.jpg") 
   rotated_img = img.rotate(angle)

2. 水平或垂直翻转：对图像进行水平或垂直翻转。这在对称性较强的图像（例如人脸图像）中特别有用。在Python中，可以使用PIL库的transpose方法。

   flipped_img = img.transpose(Image.FLIP_LEFT_RIGHT)

3. 缩放：改变图像的尺寸。可以通过缩放图像到不同的大小来创建更多的训练样本。在Python中，可以使用PIL库的resize方法。

   resized_img = img.resize((new_width, new_height))

4. <