一段小代码，供参考，在CV2中做一些边缘渐变的功能。
主要流程：

1. 生成一个随机的mask，并归一化，使其作为另一张图片的权重。
2. 对mask做高斯模糊，实现边缘渐变。
3. 将加权mask与原始图片相乘。

import os
import cv2
import glob
import random
import numpy as np

class FakeMask:
    def __init__(self, prop=0.99):
        self.prop = prop  # 做数据增强的概率

    # 获取一个随机的mask，归一化后作为权重。
    def _get_random_mask(self, angle=np.random.randint(45, 80), center=None, scale=1.3):
        height = 100
        width = 100
        image = np.ones((height, width, 3), dtype=np.float32) * 255
        (h, w) = image.shape[:2]
        if center is None:
            center = (w // 2, h // 2)
        M = cv2.getRotationMatrix2D(center, angle, scale)
        h = int(random.randint(12, 18) * h * 0.1)
        random_mask = cv2.warpAffine(image, M, (h, int(w * 1)))
        # random horizontal flip
        if random.random() > 0.5:
            random_mask = cv2.flip(random_mask, 1)
        random_mask = random_mask / 255
        return random_mask

    # 对mask进行高斯模糊，使其边缘渐变
    def _encode_mask(self, mask, imgw, imgh):
        kh = imgh // 8  # 高斯核越小，mask边缘越明显
        kw = imgw // 8
        kh = kh + 1 if kh % 2 == 0 else kh
        kw = kw + 1 if kw % 2 == 0 else kw
        mask = cv2.GaussianBlur(mask, (kw, kh), 0)  # 对mask进行高斯模糊，
        mask = cv2.GaussianBlur(mask, (kw, kh), 0)
        mask = cv2.resize(mask, (imgw, imgh))
        return mask

    # 数据增强
    def transform(self, img):
        if random.random() < self.prop:
            imgh, imgw, _ = img.shape
            random_mask = self._get_random_mask()
            random_mask = self._encode_mask(random_mask, imgw, imgh)
            for _ in range(2):
                img = img * random_mask
        return img

if __name__ == "__main__":
    imgs_dir = "/data1/gy77/code/demo/aug/imgs"
    save_dir = "/data1/gy77/code/demo/aug/imgs_aug"
    fake_mask = FakeMask()
    imgs_path = glob.glob(imgs_dir + "/*.jpg")
    for img_path in imgs_path:
        img_basename = os.path.basename(img_path)
        img_savepath = os.path.join(save_dir, img_basename)
        imgcv = cv2.imread(img_path)
        imgcv = fake_mask.transform(imgcv)
        cv2.imwrite(img_savepath, imgcv)

当然了，你可以微调上面参数，实现更丰富的效果。例如：