在处理深度学习任务时,遇到图像太少或者GPU显存不够往往需要切割图片,一昧的修改源图像的大小来输入网络往往会丢失原始数据的信息,为此切割图片往往是更好的选择。
# -*- coding: utf-8 -*-
'''
将一张图片填充为正方形后切为9张图
Author:
'''
from PIL import Image
import sys
#将图片填充为正方形
def fill_image(image):
width, height = image.size
#选取长和宽中较大值作为新图片的
new_image_length = width if width > height else height
#生成新图片[白底]
new_image = Image.new(image.mode, (new_image_length, new_image_length), color='white')
#将之前的图粘贴在新图上,居中
if width > height:#原图宽大于高,则填充图片的竖直维度
#(x,y)二元组表示粘贴上图相对下图的起始位置
new_image.paste(image, (0, int((new_image_length - height) / 2)))
else:
new_image.paste(image,(int((new_image_length - width) / 2),0))
return new_image
#切图
def cut_image(image):
width, height = image.size
item_width = int(width / 8)
box_list = []
# (left, upper, right, lower)
for i in range(0,8):#两重循环,生成64张图片基于原图的位置
for j in range(0,8):
#print((i*item_width,j*item_width,(i+1)*item_width,(j+1)*item_width))
box = (j*item_width,i*item_width,(j+1)*item_width,(i+1)*item_width)
box_list.append(box)
image_list = [image.crop(box) for box in box_list]
return image_list
#保存
def save_images(image_list, i):
index = i*64+1
for image in image_list:
image.save('./dataset/650min-data/'+str(index) + '.jpg')#按需修改
index += 1
if __name__ == '__main__':
for i in range(1,650):
file_path = "./dataset/650-data/"+ str(i) +".jpg"#按需修改
image = Image.open(file_path)
#image.show()
image = fill_image(image)
image_list = cut_image(image)
save_images(image_list, i-1)