图像加灰条避免缩放失真的方法_图像灰度化处理的目的[通俗易懂]

图像加灰条避免缩放失真的方法_图像灰度化处理的目的[通俗易懂]图像加灰条避免缩放失真在深度学习的训练中,大多需要使用正方形的图片,但是我们平常拍摄的图像大多都是长方形的,所以在缩放图片时,要给图片加灰条,代码很简单:defletterbox_image(image,size):

图像加灰条避免缩放失真的方法_图像灰度化处理的目的[通俗易懂]"

图像加灰条避免缩放失真

在深度学习的训练中,大多需要使用正方形的图片,但是我们平常拍摄的图像大多都是长方形的,所以在缩放图片时,要给图片加灰条,代码很简单:
def letterbox_image(image, size):
iw, ih = image.size
w, h = size
scale = min(w/iw, h/ih)
nw = int(iwscale)
nh = int(ih
scale)

image = image.resize((nw,nh), Image.BICUBIC)
new_image = Image.new('RGB', size, (128,128,128))
new_image.paste(image, ((w-nw)//2, (h-nh)//2))
return new_image

这部分代码是用来加灰条的,iw和ih是原图的行列数,w和h是需要生成的图像的行列数,scale得到的是新图与原图的宽高比,简单想一下,宽高比越小的,变化的范围就越大,那么反之,就要给另外一边补灰条。所以先得到scale这个较小的宽高比,然后对图片进行缩放,new_image是一张灰色的新图,然后将缩放好的图像粘贴到灰色图像上,覆盖掉一部分,那么剩下的部分就是灰条了。
下面附完整的批量加灰条代码:

import os
import numpy as np
import cv2
from PIL import Image

def letterbox_image(image, size):
    iw, ih = image.size
    w, h = size
    scale = min(w/iw, h/ih)
    nw = int(iw*scale)
    nh = int(ih*scale)

    image = image.resize((nw,nh), Image.BICUBIC)
    new_image = Image.new('RGB', size, (128,128,128))
    new_image.paste(image, ((w-nw)//2, (h-nh)//2))
    return new_image

def search_files(directory):
    directory = os.path.normpath(directory)
    objects = {}
    for curdir, subdirs, files in os.walk(directory):
        for file in files:
            if file.endswith('.jpg'):
                label = curdir.split(os.path.sep)[-1]
                if label not in objects:
                    objects[label] = []
                path = os.path.join(curdir, file)
                objects[label].append(path)
    return objects
if __name__ == "__main__":
    train_samples = search_files('E:\\python\\learning\\tree_learn\\crossFork')
    print(train_samples)
    for label, filenames in train_samples.items():
        for filename in filenames:
            img = Image.open(filename)
            new_img = letterbox_image(img, (224, 224))
            new_img.save(filename)

今天的文章图像加灰条避免缩放失真的方法_图像灰度化处理的目的[通俗易懂]分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/87872.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注