超分辨率测试集处理（基于插值下采样）

最新推荐文章于 2024-07-18 16:16:19 发布

ZhuKaifindslove

最新推荐文章于 2024-07-18 16:16:19 发布

阅读量1.5k

点赞数 1

分类专栏：超分辨率文章标签：超分辨率

本文链接：https://blog.csdn.net/zkple/article/details/103012700

版权

本文介绍了超分辨率测试集的生成方法，重点在于如何使用插值下采样处理Set5测试集。为了保持像素对应关系，原图需按24的最小公倍数进行剪切，缩放因子通常设为2, 3, 4, 8。利用torchvision.transforms进行LR图像处理。" 105358999,8313532,LoopBack 3快速入门：搭建Node.js REST API,"['node.js', 'LoopBack', 'REST API', '框架', '开发']

摘要由CSDN通过智能技术生成

测试集生成

代码样例基于Set5 测试集其他测试集类似。
在超分辨率训练集的训练过程中，为了节省训练时间，通常将训练集按照倍率提前生成。

方案

1.原图剪切：为了使得缩放后的图像与原图像保持像素上的一一对应关系，因此需要将原图的w,h 都能被缩放因子整除。一般超分辨率的缩放因子设置为【2，3，4，8】.所以提取最小公倍数 24.原图需要被剪切为w,h都能被24整除。
2.LR图像剪切：在这里使用的torchvision.transforms 包。

代码

from os import listdir
from os.path import join
from torchvision.transforms import Compose,  CenterCrop, Resize
from PIL import Image
import os

def is_imagefile(image):
    return any(image.endswith(extension) for extension in ['.png', '.jpg', '.jpeg', '.PNG', '.JPG',
                                                               '.JPEG','bmp','BMP']