解决PIL Image 没有padding接口的办法。

最新推荐文章于 2022-08-02 16:40:05 发布
最新推荐文章于 2022-08-02 16:40:05 发布
阅读量3.7k 收藏 1
点赞数 2
分类专栏： 图像处理 python 文章标签： PIL Image padding
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/github_36923418/article/details/88063650
版权

PIL的Image 没有找到如何padding的方法，于是进行曲线救国路线：

1、这是0 padding

p = Image.new('RGB', (w, h), (255, 255, 255))
p.paste(image, (0, 0, w, h))

2、右侧padding 10个像素

p = Image.new('RGB', (w+10, h), (255, 255, 255))
p.paste(image, (0, 0, w, h))

 

Jie Ou
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
如何利用Python中的PIL库做好图片处理——PIL概念详细分享
weixin_56537764的博客
03-27 2001
最近对大家都在猜测《青春有你3》会怎么播出来，有人说会全部打码，又有人说会实现镜面反转。 今天呢结果也已经出来了，青3选择了打码，也是辛苦后期了，那么想给大家分享使用Python对图片如何进行处理。 首先给大家介绍一个用到的Python 图像处理库——PIL 图像处理工具包PIL(Python Image Library)能够实现基本的图像处理功能，如：改变图像大小，旋转图像，图像格式转换，色场空间转换，图像增强，直方图处理，插值和滤波等等。 PIL中所涉及的基本概念有如下几个：通道（bands）、模式
cv2和PIL对图像进行padding的区别
WYXHAHAHA123的博客
03-03 6979
import cv2 import numpy as np from PIL import Image,ImageOps import copy img = cv2.imread('F:\\2\\images.jpg') img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) print(img.shape) img2=copy.deepcopy(img) consta...
PIL 中image
whitesilence的博客
07-12 434
以前在matlab中，读入图像，输出图像size是（高度，宽度，通道） 在python中，读入图像，输出图像size是（宽度，高度） 例如这幅图 是一张宽度为240，高度为100的rgb图像，命名为code.jpg在matlab中，读入图像，输出size：A=imread('code.jpg'); size(A)输出是ans = 100 240 3在Python中：from PI
PIL之Image下基本图像操作
qq_37385726的博客
08-18 1763
目录 1.从文件夹中打开图片 2.显示图片尺寸 3.放大或压缩图片 1.从文件夹中打开图片 #显示图片 img = Image.open("./Image/use_Crop.jpg") img.show() 2.显示图片尺寸 img = Image.open("./Image/use_Crop.jpg") #显示图片尺寸 print(img.size) 3.放大或压缩图片 ...
Pillow Image 填充图像
Mystra
07-02 7338
在检测中，需要把原始图像转换为，与目标尺寸匹配的图像，保持等比例，其余部分用灰色填充。 pad_image步骤： 计算按目标图像缩放之后的宽高； resize()原始图像； 新建目标尺寸target_size的图像； paste()贴图，将缩放后的原始图像，放入目标图像中； def pad_image(image, target_size): iw, ih = image.s...
图像预处理-图像扩展(padding)和翻转(flip)
November、Chopin
03-17 1756
在图像输入到CNN之前需要对图像做一些预处理，如padding和翻转(flip)，这是在平时开发中写的代码片段，总结一下。 pad 将图像pad到固定大小,以白色填充 from PIL import Image def pad_image(im): w,h = im.size if w>=h: im_new = Image.new(mode='RGB', size=(w,w), color=0) im_new.paste(im, box=(0, (
paddle实现GoogLeNet-InceptionV1
01-07
环境 python3.6， paddlepaddle-gpu 1.6.3.post107 代码 # -*- coding: utf-8 -*- # @Time : 2020/2/3 9:56 # @Author : Zhao HL ...from PIL import Image import numpy as np import pandas as pd imp
Pytoch之torchvision.transforms图像变换实例
12-23
将给定的PIL.Image进行中心切割，得到给定的size，size可以是tuple，(target_height, target_width)。size也可以是一个Integer，在这种情况下，切出来的图片的形状是正方形。 size可以为int，也可以为float #定义...
tensorflow实现GoogLeNet-InceptionV1
01-06
环境 python3.6，tensorflow-gpu 1.12.0 代码 # -*- coding: utf-8 -*- # @Time : 2020/2/3 9:56 # @Author : Zhao HL # @File : InceptionV1-tensorflow.py import sys, cv2, os ...from PIL import Image impo
基于pytorch进行图像去噪处理.zip
最新发布
08-22
from PIL import Image import torchvision.transforms as transforms def preprocess(image_path): image = Image.open(image_path) transform = transforms.Compose([ transforms.Resize((256, 256)), ...
pytorch 中pad函数toch.nn.functional.pad()的用法
12-23
padding操作是给图像外围加像素点。...from PIL import Image im=Image.open("heibai.jpg",'r') X=torch.Tensor(np.asarray(im)) print("shape:",X.shape) dim=(10,10,10,10) X=F.pad(X,dim,"constant",valu
python PIL 填充图片 更改到规定尺寸
JZJZ73的博客
09-08 4987
应学子要求写一个函数，实现： 1、对所有输入的图片进行等比例缩放，目标格式为200*64，要求至少有一边达到要求，不足的另一边用黑色补充 2、应格式缘故，只能用PIL库，不能用cv 3、输入图片大小不定，可能超过200*64，也可能不足 实现代码： from PIL import Image def pad_image(image, target_size): """ :param image: input image :p...
ImageOps.pad()函数解析
Galen_xia的博客
08-02 611
ImageOps.pad()
【学习笔记】PIL.Image裁剪问题
zzzpy的博客
03-29 1745
如果超出图片的范围，应该会进行padding
接口访问出现Pending状态
shuzhiji9的博客
12-02 7468
本文架构： springboot+微服务，注册中心用的nacos。 问题排查：服务器部署服务接口访问出现1/2Pending状态： 问题定位：访问服务两次中一次200状态，一次Pending，所以应该定位问题在负载均衡上，先查看注册中心nacos，打开nacos首页发现一个服务有两个实例，其中一个是无法访问的。 问题解决：是由于本机开启了一个服务注册到了注册中心，但是无法访问，因此关闭本机服务或者从nacos下线本机实例，访问正常。 ...
解决RGB模式下图片的padding（补边框）问题（含代码实现）
qq_37053885的博客
06-22 6137
    首先，说到图片的padding问题，我们知道对于灰度图（channel=1）的图片我们可以之间将其转化为numpy.array，然后利用np.pad(image,((),()),'constant', constant_values=(255,255))对图像填充白色的边框，而对于RGB模式（channel=3）下的图片，则无法采用该方法进行填充。但有了之前的基础，我们可以采用相同的原理进...
图像数据增强：平移、加噪、旋转、缩放（padding）
热门推荐
jiachen0212的博客
11-29 1万+
以下代码是把图像缩小后又进行边缘padding的操作。  主要采用边缘镜像padding和边缘点像素值padding两种思想： #coding=utf-8 import cv2 import numpy as np def ImageScale(img, scale): size = img.shape SIZE1 = size[0] SIZE2 = size[1]
在python3下用PIL做图像处理
followingturing 追随图灵的路上...
09-19 1万+
ython Imaging Library (PIL)是python下的图像处理模块，支持多种格式，并提供强大的图形与图像处理功能。 目前PIL的官方最新版本为1.1.7，支持的版本为python 2.5, 2.6, 2.7，并不支持python3，但有高手把它重新编译生成python3下可安装的exe了。这一非官方下载地址 http://www.lfd.uci.edu/~gohlk
用Numpy与PIL实现基本的图像处理（一）
hikkilover的博客
03-12 1万+
 本系列旨在用Numpy和PIL实现一些基本的图像处理功能，后者只用来做文件的读入与保存，涉及到的所有处理均用Numpy实现，最后用Matplotlib实现可视化，下文涉及的各种算法算不上简洁，更多地只是提供原理上的参考，若读者发现某些环节存在错误，还请回复指正。  上面是我们的实验用图，原图大小300*400，原文件格式JPG。 Part 1 图像文件的读取与保存  读取和...
GitHub上deep image prior 代码详细解析
05-26
Deep Image Prior是一篇非常著名的论文，提出了一种无监督的图像重建方法。该方法不需要训练数据集，而是利用深度神经网络的模型结构和随机初始化的参数来直接重建图像，具有很高的实用价值。下面我们来详细解析其代码实现。 ## 1. 数据准备 ### 1.1 加载图像 代码中使用了Python的PIL库来加载图像。PIL库可以方便地进行图像读取和处理。代码如下： ```python from PIL import Image # 加载图像 img = Image.open('./data/lena.png') ``` ### 1.2 图像预处理 在进行图像重建之前，需要对图像进行一些预处理。首先，需要将图像转换为张量，以便在神经网络中进行操作。其次，需要对图像进行归一化，使其像素值在[0,1]范围内。代码如下： ```python import torch import torchvision.transforms as transforms # 将图像转换为张量 img_transform = transforms.ToTensor() # 对图像进行归一化 img_tensor = img_transform(img).unsqueeze(0) # unsqueeze(0)增加了一个批次维度 img_tensor = img_tensor.cuda() # 将张量移到GPU上 ``` ## 2. 模型构建 Deep Image Prior使用了一个简单的卷积神经网络来进行图像重建。代码中使用了PyTorch框架来构建模型。具体实现如下： ```python import torch.nn as nn # 定义卷积神经网络 class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3, 64, 3, stride=1, padding=1) self.conv2 = nn.Conv2d(64, 64, 3, stride=1, padding=1) self.conv3 = nn.Conv2d(64, 64, 3, stride=1, padding=1) self.conv4 = nn.Conv2d(64, 64, 3, stride=1, padding=1) self.conv5 = nn.Conv2d(64, 3, 3, stride=1, padding=1) self.relu = nn.ReLU(inplace=True) def forward(self, x): out = self.relu(self.conv1(x)) out = self.relu(self.conv2(out)) out = self.relu(self.conv3(out)) out = self.relu(self.conv4(out)) out = self.conv5(out) return out ``` ## 3. 训练模型 Deep Image Prior没有使用传统的监督学习方法进行训练，而是利用随机初始化的参数进行图像重建。因此，在训练过程中，需要设置优化器和损失函数。具体实现如下： ```python import torch.optim as optim # 定义模型和优化器 net = Net() net.cuda() optimizer = optim.Adam(net.parameters(), lr=1e-2) # 定义损失函数 criterion = nn.MSELoss() # 开始训练 num_epochs = 1000 for epoch in range(num_epochs): optimizer.zero_grad() # 梯度清零 output = net(torch.randn(img_tensor.shape).cuda()) # 随机输入一张图像 loss = criterion(output, img_tensor) # 计算损失函数 loss.backward() # 反向传播 optimizer.step() # 更新参数 if epoch % 100 == 0: print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, num_epochs, loss.item())) ``` 在训练过程中，我们随机输入一张图像，并将输出和原始图像计算MSE损失函数，然后进行反向传播和参数更新。值得注意的是，我们不需要提前定义任何训练集或测试集，也不需要进行模型的保存和加载。 ## 4. 图像重建 在训练结束后，我们可以使用训练好的模型来进行图像重建。具体实现如下： ```python import torchvision.utils as vutils # 使用模型进行图像重建 with torch.no_grad(): output = net(torch.randn(img_tensor.shape).cuda()) # 随机输入一张图像 output = output.clamp(0, 1) # 将输出图像像素值限制在[0,1]范围内 vutils.save_image(output.data, './output/output.png', normalize=True, scale_each=True, nrow=1) ``` 在这里，我们使用随机噪声作为输入，然后将输出图像保存到指定路径。 以上就是Deep Image Prior的代码实现。需要注意的是，Deep Image Prior的图像重建过程是一个无监督的过程，因此其重建效果可能会受到许多因素的影响，如模型结构、损失函数、优化器等。因此，在实际应用中，需要根据具体情况进行调整和优化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值