三、将语义分割图像裁剪为100份

将语义分割图像裁剪为100份

将语义分割图像裁剪为100份：

import cv2
import numpy

for k in range(10,12):
    img1 = cv2.imread('/home/dio/VSST/zqz/python_handle/image_cut/2_Ortho_RGB/top_potsdam_2_' + str(k) + '_RGB.tif') #读取RGB原图像
    img2 = cv2.imread('/home/dio/VSST/zqz/python_handle/image_cut/5_Labels_all/top_potsdam_2_' + str(k) + '_label.tif') #读取Labels图像
	# 因为数据集中图片命名不规律，所以需要一批一批的分割
	# cv2.imread函数会把图片读取为（B，G，R）顺序，一定要注意！！！
	# cv2.imwrite函数最后会将通道调整回来，所以成对使用cv2.imread与cv2.imwrite不会改变通道顺序
    #因为6000/10 = 600，所以6000x6000的图像可以划分为10x10个600x600大小的图像
    for i in range(10):
        for j in range(10):
            img1_ = img1[600*i : 600*(i+1), 600*j : 600*(j+1), : ]
            img2_ = img2[600*i : 600*(i+1), 600*j : 600*(j+1), : ]
            #注意下面name的命名，2400 + k * 100需要一批一批的调整，自己看到数据集中的图片命名就能知道什么意思了
            name = i*10 + j + 2400 + k * 100
            #让RGB图像和标签图像的文件名对应
            name = str(name)
            cv2.imwrite('/home/dio/VSST/zqz/python_handle/image_cut/potsdam_100_image/'+ name + '.jpg', img1_) #所有的RGB图像都放到jpg文件夹下
            cv2.imwrite('/home/dio/VSST/zqz/python_handle/image_cut/potsdam_100_label/'+ name + '.png', img2_) #所有的标签图像都放到png文件夹下