毕业设计记录（一）——用python实现图片批处理

在训练神经网络之前，我们往往需要对数据集进行批量处理。本文以图片为例，介绍如何使用python实现图片的批量处理，包括批量命名，批量更改图像像素，批量对图片进行Harris、Canny……

在此通过以下示例讲解图片遍历方法，并以shi-Tomasi角点检测算法为例，对图片进行批量处理。

可实现的功能：
（1）遍历某一文件夹下的所有图片，示例代码针对所有.jpg格式的图片；
（2）对所有图片均进行shi-Tomasi角点检测处理；
（3）将处理好后的每张图片保存至新的文件夹下。

import cv2
import numpy as np
import glob
import os

def Harris(img):
# 1 读取图像，并转换成灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 2角点检测——Shi-Tomasi
    corners = cv2.goodFeaturesToTrack(gray,100,0.01,10)
    corners = np.int0(corners)
    print(len(corners))
    for i in corners:
        x, y = i.ravel()
        cv2.circle(img, (x, y), 3, 255, -1)
    return img
# 图片批量处理
def pichuli():
    nums = 1
    for files in glob.glob(r'C:\Users\********\*.jpg'):
        img = cv2.imread(files)
        # 输出路径
        opfile = r'C:\Users\***********/'
        # 判断opfile是否存在，不存在则创建
        if (os.path.isdir(opfile) == False):
            os.mkdir(opfile)
        img = Harris(img)
        image_path = opfile + '('+str(nums)+')'+'.jpg'
        cv2.imwrite(image_path,img)
        nums += 1
    print('批处理结束')

if __name__ == '__main__':
    pichuli()