python resize_深度学习图像预处理-python缩放裁剪

使用深度学习进行图像类任务时，通常网络的输入大小是固定的，最近在进行涉及到文字检测的工作中，由于预处理resize缩小了原图，导致字体变模糊，从而检测失败，后来想到使用overlap来对图像进行缩放裁剪，即先将原图缩放到一定尺寸，再裁剪得到网络的输入。

好了，来说正题，使用yolov3，网络的输入是352x352x3，而输入图像大小为几百上千不等，因此需对原图进行resize，起初直接进行缩放 + 填充，检测的map很低，后来分析发现有些352x352的输入图像中的文字已经很模糊，因此直接缩放的方案不可行，改进后方案如下：

1. 原图最大尺寸大于1000，则resize到800x800，再裁剪为9个352x352，overlap为128个像素
2. 原图最大尺寸大小500且小于1000，则resize到600x600，再裁剪为4个352x352，overlap为96个像素
3. 原图最大尺寸小于500，则resize到352x352。

python实现代码如下，使用了PIL、opencv库，将整个目录下的图像全部做缩放裁剪处理，代码包含如下功能：

1. 遍历某一目录的文件
2. opencv进行图像载入及保存
3. opencv进行缩放裁剪
4. PIL进行图像显示

import 

执行python脚本，结果如下：

输入图片如下，分辨率为719x1280，裁剪后输出9幅352x352的子图，这样就完成了图像的预处理。