数据预处理--图片大小调整(python)

在实验前,往往需要将图片数据集调整到合适大小。

使用Image函数可以达到效果。

使用方法:

首先导入函数

from PIL import Image

然后使用img=Image.open(path)读取图片,

img=img.resize((size, size), Image.ANTIALIAS)重置图片大小。

其中,第二个参数:
Image.NEAREST :低质量
Image.BILINEAR:双线性
Image.BICUBIC :三次样条插值
Image.ANTIALIAS:高质量

下面附一个自己写的函数,可以调整两个文件夹下的所有图片大小,可以根据需要自行调整。

from PIL import Image

def imageResize(data_dir):
    folderlist = os.listdir(data_dir)
    i = 0
    for folder in folderlist :
        inner_path = os.path.join(data_dir, folder)
        imagepaths = os.listdir(inner_path)
        for imgpath in imagepaths :
            path = os.path.join(inner_path, imgpath)
            print(path)
            im = Image.open(path)
            imgpro = im.resize((512,512), Image.ANTIALIAS)
            imgpro.save(path)
           
  • 2
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
mmdetectionsunrgb-d数据集是一个用于物体检测的数据集,包含了来自不同场景的图像和对应的标注框。在进行物体检测任务前,通常需要进行一些数据预处理,提高模型的训练效果。本文介绍了使用Python进行mmdetectionsunrgb-d数据预处理的方法。 第一步:下载数据集 首先需要从数据集官网(或者其他可靠来源)下载mmdetectionsunrgb-d数据集。下载完成后需要解压缩,并将解压后的文件存放到合适的路径下。 第二步:安装相关库 在进行数据预处理前,需要安装一些相关的Python库。常用的库包括numpy、Pillow、opencv-python等。这些库可以通过pip命令进行安装。 第三步:读取图像和标注文件 读取数据集中的图像和对应的标注文件。可以使用Python内置的io流和csv库来读取标注文件,并使用Pillow库来读取图像文件。 第四步:对图像进行预处理 对读取的图像进行一些预处理操作,例如将图像裁剪为指定大小调整图像亮度和对比度、进行数据增强等。可以使用opencv-python库的函数来完成这些操作。 第五步:对标注框进行预处理 对读取的标注框进行一些预处理操作,例如将坐标缩放为网络输入的大小、根据实际情况进行标签映射、去除一些不必要的标注框等。可以使用numpy库来完成这些操作。 第六步:保存预处理后的数据预处理后的图像和标注文件保存在指定的位置,以备下一步训练使用。 综上所述,对于mmdetectionsunrgb-d数据集的Python预处理程序可以分为以上六个步骤。通过对预处理程序的调整和参数的设置,可以得到适合不同模型的预处理数据集。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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