在训练神经网络之前,我们往往需要对数据集进行批量处理。本文以图片为例,介绍如何使用python实现图片的批量处理,包括批量命名,批量更改图像像素,批量对图片进行Harris、Canny……
在此通过以下示例讲解图片遍历方法,并以shi-Tomasi角点检测算法为例,对图片进行批量处理。
(1)遍历某一文件夹下的所有图片,示例代码针对所有.jpg格式的图片;
(2)对所有图片均进行shi-Tomasi角点检测处理;
(3)将处理好后的每张图片保存至新的文件夹下。
import cv2 import numpy as np import glob import os def Harris(img): # 1 读取图像,并转换成灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 2角点检测——Shi-Tomasi corners = cv2.goodFeaturesToTrack(gray,100,0.01,10) corners = np.int0(corners) print(len(corners)) for i in corners: x, y = i.ravel() cv2.circle(img, (x, y), 3, 255, -1) return img # 图片批量处理 def pichuli(): nums = 1 for files in glob.glob(r'C:\Users\********\*.jpg'): img = cv2.imread(files) # 输出路径 opfile = r'C:\Users\***********/' # 判断opfile是否存在,不存在则创建 if (os.path.isdir(opfile) == False): os.mkdir(opfile) img = Harris(img) image_path = opfile + '('+str(nums)+')'+'.jpg' cv2.imwrite(image_path,img) nums += 1 print('批处理结束') if __name__ == '__main__': pichuli()
# -*- coding: utf-8 -*- ''' ''' import os from PIL import Image pic_dir = r"H:\新建文件夹" for filename in os.listdir(path=pic_dir): if filename.startswith("SAM"): pic_path = os.path.join(pic_dir, filename) print (pic_path) img = Image.open(pic_path ) new_size = tuple( [ size//3 for size in img.size] ) # 高度、宽度均变为原来的1/3 new_img = img.resize( new_size) new_name = os.path.join(pic_dir, "small_" + filename) new_img.save(new_name )
到此这篇关于如何利用python实现图片批处理的文章就介绍到这了,更多相关python图片批处理内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!