code_snippet_1 for "Playing Mortal Kombat with TensorFlow.js. Transfer learning and data augmentation" translation

1.py

np.random.seed(44)
ia.seed(44)
def main():
    for i in range(1, 191):
        draw_single_sequential_images(str(i), "others", "others-aug")
    for i in range(1, 191):
        draw_single_sequential_images(str(i), "hits", "hits-aug")
    for i in range(1, 191):
        draw_single_sequential_images(str(i), "kicks", "kicks-aug")
def draw_single_sequential_images(filename, path, aug_path):
    image = misc.imresize(ndimage.imread(path + "/" + filename + ".jpg"), (56, 100))
    sometimes = lambda aug: iaa.Sometimes(0.5, aug)
    seq = iaa.Sequential(
        [
            iaa.Fliplr(0.5), # все изображения повернуть на 50% по горизонтали
            # обрезать от 5% до 10% от высоты/ширины всех изображений
            sometimes(iaa.CropAndPad(
                percent=(-0.05, 0.1),
                pad_mode=ia.ALL,
                pad_cval=(0, 255)
            )),
            sometimes(iaa.Affine(
                scale={"x": (0.8, 1.2), "y": (0.8, 1.2)}, # маштабировать изображения на 80-120%, по каждой оси отдельно
                translate_percent={"x": (-0.1, 0.1), "y": (-0.1, 0.1)}, # сдвинуть изображение на +/- 10% (по каждой оси)
                rotate=(-5, 5),
                shear=(-5, 5), # сдвиг на +/- 5 градусов
                order=[0, 1], # использовать ближайшего соседа или билинейную интерполяцию (быструю)
                cval=(0, 255), # если mode это постоянная, используем cval между 0 и 255
                mode=ia.ALL # ипользовать любой из режимов искривления для scikit-image ( второе изобрадение  в верхнем ряду в примере)
            )),
            iaa.Grayscale(alpha=(0.0, 1.0)),
            iaa.Invert(0.05, per_channel=False), # инвертировать цветовые каналы
            # к изображению будут применяться от 0 до 5 следующих (не таких значимых) преобразований
            # не применять все 5 преобразований за раз, так как часто искажения будут слишком сильные
            iaa.SomeOf((0, 5),
                [
                    iaa.OneOf([
                        iaa.GaussianBlur((0, 2.0)), # размытие изображений с сигмой от 0 до 2.0
                        iaa.AverageBlur(k=(2, 5)), # размытие изображений с использованием локального среднего с размером ядра от 2 до 5
                        iaa.MedianBlur(k=(3, 5)), # размытие изображения с использованием локальной медианы с размером ядра от 3 до 5
                    ]),
                    iaa.Sharpen(alpha=(0, 1.0), lightness=(0.75, 1.5)), # повысить резкость изображения
                    iaa.Emboss(alpha=(0, 1.0), strength=(0, 2.0)), # придать рельефность изображению
                    iaa.AdditiveGaussianNoise(loc=0, scale=(0.0, 0.01*255), per_channel=0.5), # добавить гауссовский шум к изображению
                    iaa.Add((-10, 10), per_channel=0.5), # изменить яркость изображение ( +/- 10 от изначального значения)
                    iaa.AddToHueAndSaturation((-20, 20)), # изменить оттенок и насыщенность
                    # либо изменить яркость всего изображения (иногда для каждого цветового
                    # канала отдельно) или изменить яркость только части изображения
                    iaa.OneOf([
                        iaa.Multiply((0.9, 1.1), per_channel=0.5),
                        iaa.FrequencyNoiseAlpha(
                            exponent=(-2, 0),
                            first=iaa.Multiply((0.9, 1.1), per_channel=True),
                            second=iaa.ContrastNormalization((0.9, 1.1))
                        )
                    ]),
                    iaa.ContrastNormalization((0.5, 2.0), per_channel=0.5), # улучшить или ухудшить контрастность
                ],
                random_order=True
            )
        ],
        random_order=True
    )
    im = np.zeros((16, 56, 100, 3), dtype=np.uint8)
    for c in range(0, 16):
        im[c] = image
    for im in range(len(grid)):
        misc.imsave(aug_path + "/" + filename + "_" + str(im) + ".jpg", grid[im])