图片预处理包括重新定义图片的名称、重新定义图片的大小以及将图片加载到列表、图像和标签
重新定义图片名称的代码如下:
import os
import numpy as np
from PIL import Image
#重新命名
def FileRename(DogType,FilePath):
#DogType: 图片的种类
#FilePath: 图片的路径
type_counter = 0
for type in DogType:
file_counter = 0
subfolder = os.listdir(FilePath + type)
for subclass in subfolder:
file_counter += 1
os.rename(FilePath + type +'/' + subclass, FilePath + type + '/' +
str(type_counter) + '_' + str(file_counter) +
subclass.split('.')[0] + '.jpg')
type_counter += 1
重新定义图片大小的代码如下:
def FileResize(Output_floder, DogType, FilePath, Width = 100, Hight = 100):
#Output_floder: 新图片将要输出到的路径
#DogType: 图片的种类
#FilePath: 图片的路径
#Width: 新图片的高
#Hight: 新图片的宽
for type in DogType:
for i in os.listdir(FilePath + type):
img_open = Image.open(FilePath + type + '/' + i)
conv_RGB = img_open.convert('RGB')
Resize_img = conv_RGB.reszie((Width, Hight), Image.BILINEAR)
Resize_img.save(os.path.join(Output_floder,os.path.basename(i)))
将图片加载到列表、图像和标签的代码如下:
#读取图片 返回array
def Readimage(filename, train_folder):
#filename: 读取图片的名称
#train_folder: 读取图片的目录
image = Image.open(train_folder + filename)
return np.array(image)
#图片加载到列表 图像 和 标签
def DataSet(train_folder):
#train_folder: 图片的目录
Train_imge_list = []
Train_label_list = []
for file in os.listdir(train_folder):
file_to_array = Readimage(filename=file, train_folder = train_folder)
Train_imge_list.append(file_to_array)
Train_label_list.append(int(file.split('_')[0]))
Train_imge_list = np.array(Train_imge_list)
Train_label_list = np.array(Train_label_list)