在服务器上安装opencv遇到跟CUDA8.0不适配的问题，于是不得不看看其他机器是否可以预装并使用。
.

一、python+opencv3.2安装

opencv在windows安装为啥这么简单？
安装流程：
1、下载opencv文件opencv-3.2.0-vc14.exe
2、点击下载，其实就是解压过程，随便放在一个盘里面。
3、python部署阶段，
进入OpenCV的安装目录下找到+复制：\build\python\2.7\x64\cv2.pyd
将cv2.pyd复制到python的子目录：\Lib\site-packages\
4、即可直接调用：

import cv2

.

二、windows+keras/theano

Keras深度学习框架是基于Theano或Tensorflow框架安装的，所以首先要准备底层框架的搭建，用tensorflow比较麻烦，所以选用Theano安装即可。

1、tensorflow/keras框架

同时如果要使用tensorflow0.12版本+python3.5及以上，也可以使用Anaconda 3.5.
一种比较好的方式使用docker：
参考：TensorFlow 官方文档中文版、下载与安装

如果要使用原生的window安装：

• （1）前提：现有了python3.5或Anaconda 3.5
• （2）下载：tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl，下载的东西放在某文件夹中
• （3）在Power Shell中输入下述命令实现本地安装：

pip install F:\DevResources\tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl

• （4）验证安装

到“所有程序”下找到”Python 3.5 64bit”，出现命令窗口，输入测试代码：

>>>import tensorflow as tf
>>>sess = tf.Session()
>>>a = tf.constant(10)
>>>b = tf.constant(22)
>>>print(sess.run(a + b))
32

正确输出32则为成功安装。

报错无法正常下载numpy 1.11.0：参考博客：原生Windows安装TensorFlow 0.12方法
.

2、theano/keras框架

安装过程：

• （1）安装theano，Power Shell中输入：

pip install theano -U --pre

• （2）安装keras：

pip install keras -U --pre

• （3）修改默认后端：很关键，不然会一直报错：ImportError: No module named tensorflow
  因为，keras默认后端是给tensorflow，
  打开C:\Users\当前用户名.keras,修改文件夹内的keras.json文件如下：

{
"image_dim_ordering":"th",
"epsilon":1e-07,
"floatx":"float32",
"backend":"theano"
}

• （4）验证安装

>>>import keras
Using Theano(Tensorflow) backend.
>>>

当然，还有theano的加速模式，可参考： Keras安装和配置指南(Windows)
.

三、用python+keras/theano进行图像增强（Data Augmentation）

1、图像增强的方式

以下一共有8中图像变换的方式：

• 旋转 | 反射变换(Rotation/reflection): 随机旋转图像一定角度; 改变图像内容的朝向;
• 翻转变换(flip): 沿着水平或者垂直方向翻转图像;
• 缩放变换(zoom): 按照一定的比例放大或者缩小图像;
• 平移变换(shift): 在图像平面上对图像以一定方式进行平移; 可以采用随机或人为定义的方式指定平移范围和平移步长,
  沿水平或竖直方向进行平移. 改变图像内容的位置;
• 尺度变换(scale): 对图像按照指定的尺度因子, 进行放大或缩小; 或者参照SIFT特征提取思想,
  利用指定的尺度因子对图像滤波构造尺度空间. 改变图像内容的大小或模糊程度;
• 对比度变换(contrast): 在图像的HSV颜色空间，改变饱和度S和V亮度分量，保持色调H不变.
  对每个像素的S和V分量进行指数运算(指数因子在0.25到4之间), 增加光照变化;
• 噪声扰动(noise): 对图像的每个像素RGB进行随机扰动, 常用的噪声模式是椒盐噪声和高斯噪声;
• 颜色变换(color): 在训练集像素值的RGB颜色空间进行PCA, 得到RGB空间的3个主方向向量,3个特征值
  .

2、图像增强的案例

网上有一个极为广泛的套路,参考博客《深度学习中的Data Augmentation方法和代码实现》、《深度学习中的数据增强实现（Data Augmentation）》、《keras中文文档-图片预处理》：

from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img

# 主要的增强函数
datagen = ImageDataGenerator(
        rotation_range=0.2,
        # 整数，旋转范围, 随机旋转(0-180)度
        width_shift_range=0.2,
        # 浮点数，以图像的长宽小部分百分比为变化范围进行横向平移
        height_shift_range=0.2,
        # 浮点数，以图像的长宽小部分百分比为变化范围进行竖直平移
        shear_range=0.2,
        # 浮点数，水平或垂直投影变换
        zoom_range=0.2,
        # 浮点数，随机缩放的幅度，[lower,upper] = [1 - zoom_range, 1+zoom_range]
        horizontal_flip=True,
        # 布尔值，进行随机水平翻转
        fill_mode=‘nearest‘)
        # 填充像素，超出边界时，有四种方式：‘constant’、‘nearest’、‘reflect’、‘wrap’
# featurewise_center=True  # 使输入数据集去中心化（均值为0）
# featurewise_std_normalization=True #将输入除以数据集的标准差以完成标准化
# rescale=1./255,#重放缩因子,默认为None. 如果为None或0则不进行放缩,否则会将该数值乘到数据上(在应用其他变换之前)
# zca_whitening=True #对输入数据施加ZCA白化
# channel_shift_range=0.2 #随机通道偏移的幅度
# vertical_flip=True #布尔值，进行随机竖直翻转



#数据导入
img = load_img(‘C:\\Users\\Desktop\\003.jpg‘)  
x = img_to_array(img)  
x = x.reshape((1,) + x.shape)  
# the .flow() command below generates batches of randomly transformed images
# and saves the results to the `preview/` directory
i = 0
for batch in datagen.flow(x, 
                          batch_size=1,
                          save_to_dir=‘C:\\Users\\Desktop‘,  
                          #存放文件夹
                          save_prefix=‘lena‘, 
                          #存放文件名字
                          save_format=‘jpg‘):
    i += 1
    if i > 20:
        break 

其中：
ImageDataGenerator是图像增强的主要函数，里面包含了很多类型的增强方法
load_img、img_to_array、x.reshape图像载入函数
datagen.flow，增强执行函数

其中：

• load_img函数：

load_img(path, grayscale=False, target_size=None)
#path:图像载入的路径
#grayscale:是否只载入灰度，默认为false
#target_size:是否需要重新框定大小，默认是原图大小，其中如果要修改，则类似：
image.load_img(img_path, target_size=(224, 224))

• img_to_array函数：

img_to_array(img, dim_ordering=‘default‘)
#img，load_img之后的内容
#dim_ordering，图像的格式是否更改，一般是default，不做任何更改

函数源码来源：https://github.com/fchollet/keras/blob/master/keras/preprocessing/image.py