import numpy as np
import keras
from keras.preprocessing.image import ImageDataGenerator, array_to_img,img_to_array, load_img
import os
import pdb
import cv2
root_dir = 'شما فولدر مربوط به تصاویر گربه رو باید بذارید'
datagen = ImageDataGenerator(featurewise_center=True,
            samplewise_center=True,  # set each sample mean to 0
            featurewise_std_normalization=True,  # divide inputs by std of the dataset
            samplewise_std_normalization=True,  # divide each input by its std
            zca_whitening=True,
            rotation_range =8,
                     width_shift_range = 0.08,
                     height_shift_range = 0.08,
                     rescale=1./255,
                     shear_range=0.1,
                     zoom_range=0.1,
                     horizontal_flip = False,
                     fill_mode = 'nearest',
                     brightness_range=[0.4, 0.8])


folder_name = os.listdir(root_dir)
    image_name = os.listdir(root_dir)
    os.mkdir('مسیری که میخواهید تا تصاویر تقویت شده گربه در اون قرار بگیره)
    data = np.zeros(((len(image_name),48,128,1))) ابعاد تصویرتون رو باید بذارید
    j = 0
    for imag in image_name:

        image_path = os.path.join(root_dir, imag)
        image=cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
        images = img_to_array(image)
        #x = np.expand_dims(images, axis=2)
        data[j,:,:,:] = images
        j+=1
    i = 0
    for batch in datagen.flow (data, batch_size=1, save_to_dir ='مسیری که میخواهید تا تصاویر تقویت شده گربه در اون قرار بگیره, save_prefix = img , save_format='png'):
        i+=1
        #pdb.set_trace()
        if i>10000: هر تعدادی که بخواهید ایجاد کنید
            break