实用深度学习图像前处理脚本分享2 ---图片太大怎么办？无损耗下采样方式

当涉及到深度学习数据集的下采样时，裁剪图片的代码是至关重要的。通过裁剪图片，我们可以有效地减少数据集的大小，从而降低训练模型的计算成本和内存消耗。同时裁减图片也比直接letterbox图像更加精细，有利于模型最终的效果提升。

import os
from PIL import Image

def split_image_folder(folder_path, x_parts, y_parts):
    parts = []
    sum=0
    for filename in os.listdir(folder_path):
        if filename.endswith(".jpg") or filename.endswith(".png") or filename.endswith(".webp"):
            image_path = os.path.join(folder_path, filename)
            image = Image.open(image_path)
            width, height = image.size

            part_width = width // x_parts
            part_height = height // y_parts

            for y in range(y_parts):
                for x in range(x_parts):
                    sum += 1
                    left = x * part_width
                    upper = y * part_height
                    right = (x + 1) * part_width
                    lower = (y + 1) * part_height
                    part = image.crop((left, upper, right, lower))
                    parts.append(part)
                    part.save(rf"F:\shixi\seglabels/GGB_{sum}.png")
                    print(sum)


# 调用函数并传入文件夹路径、拆分份数x_parts和y_parts
split_image_folder(r"your_img_path", x_parts=2, y_parts=2)

这段代码输入你的图片文件夹，然后可以选择x轴切几刀，y轴切几刀，保存路径在函数中自行设置。