【9】tensorflow下图像预处理之图像批量处理

背景：在深度学习时候，通常需要批量处理大量的图片，一般几千张，图像不够时还需要进行数据增强，因此需要批量处理图像数据。

【1】批量加载文件夹里面的数据

import os
import  cv2

#批量处理图像，改名，
def read__image(open_path,save_path):
	# os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表
	for dir_image in os.listdir(open_path):
		#打开当前运行脚本的绝对路，就是真个文件里面所有文件的路径
		full_path = os.path.abspath(os.path.join(open_path,dir_image))
		#选择后缀为.jpg格式的文件
		num=0
		if dir_image.endswith('.jpg'):
			image = cv2.imread(full_path)
			#分离文件路径和文件名
			(filepath, filename) = os.path.split(full_path)
			#分离文件名和后缀 去掉后坠取文件名。就是去掉.jpg,只要前面的图片名
			nameall = os.path.splitext(filename)[0]
			'''
			如果需要进一步分割图片名，可以用，name=str(nameall).splite('-')[2:5]进行切分字符串
			'''
			#图像批量处理后保存
			agutationimg=DateArgutation(image)
			for index in range(len(agutationimg)):
				image_path = save_path+'%s_%s.jpg' % (nameall,str(index))  # 注意这里图片名一定要加上扩展名，否则后面imwrite的时候会报错
				cv2.imwrite(image_path,agutationimg[index])

			#直接改名保存
			#num+=1
			#image_path = save_path+'%s_%s.jpg' % (nameall,str(num))  # 注意这里图片名一定要加上扩展名，否则后面imwrite的时候会报错
			#cv2.imwrite(image_path,agutationimg[index])

【2】图像数据增强

#输入一张图片，产生旋转，缩放，长宽调整等形式
def DateArgutation(images):
	img=images
	agutationimg=[]
	imgInfo=img.shape
	height=imgInfo[0]
	width=imgInfo[1]
	#图像翻转0   90    270
	flipped1 = cv2.flip(img, -1)
	agutationimg.append(flipped1)
	flipped2 = cv2.flip(img, 1)
	agutationimg.append(flipped2)
	flipped3 = cv2.flip(img, 0)
	agutationimg.append(flipped3)
	#等比例缩放
	height1=int(height*0.8)
	width1=int(width*0.8)
	resImg1=cv2.resize(img,(width1,height1))
	agutationimg.append(resImg1)
	height2=int(height*3)
	width2=int(width*3)
	resImg2=cv2.resize(img,(width2,height2))
	agutationimg.append(resImg2)
	print('success!')
	return  agutationimg

【3】批量读入数据放置在列表中

#载入图片，处理后保存到一个列表中
def GetImg(open_path):
	patch=[]
	for dir_image in os.listdir(open_path): # os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表
		full_path = os.path.abspath(os.path.join(open_path,dir_image))
		if dir_image.endswith('.jpg'):
			image = cv2.imread(full_path)
			resImg=cv2.resize(image,(227,227))
			patch.append(resImg)
	return  patch