前言
在訓練神經網絡之前，我們往往需要對數據集進行批量處理。本文以圖片為例，介紹如何使用python實現圖片的批量處理，包括批量命名，批量更改圖像像素，批量對圖片進行Harris、Canny……
在此通過以下示例講解圖片遍歷方法，并以shi-Tomasi角點檢測算法為例，對圖片進行批量處理。
可實現的功能：
（1）遍歷某一文件夾下的所有圖片，示例代碼針對所有.jpg格式的圖片；
（2）對所有圖片均進行shi-Tomasi角點檢測處理；
（3）將處理好后的每張圖片保存至新的文件夾下。
import cv2
import numpy as np
import glob
import os
def Harris(img):
# 1 讀取圖像，并轉換成灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 2角點檢測——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
# 圖片批量處理
def pichuli():
nums = 1
for files in glob.glob(r'C:\Users\********\*.jpg'):
img = cv2.imread(files)
# 輸出路徑
opfile = r'C:\Users\***********/'
# 判斷opfile是否存在，不存在則創建
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('批處理結束')
if __name__ == '__main__':
pichuli()
Python批量修改圖片大小
# -*- coding: utf-8 -*-
'''
'''
import os
from PIL import Image
pic_dir = r"H:\新建文件夾"
for filename in os.listdir(path=pic_dir):
if filename.startswith("SAM"):
pic_path = os.path.join(pic_dir, filename)
print (pic_path)
img = Image.open(pic_path )
new_size = tuple( [ size//3 for size in img.size] ) # 高度、寬度均變為原來的1/3
new_img = img.resize( new_size)
new_name = os.path.join(pic_dir, "small_" + filename)
new_img.save(new_name )
總結
到此這篇關于如何利用python實現圖片批處理的文章就介紹到這了,更多相關python圖片批處理內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python批量圖片處理簡單示例
- python實現批量處理將圖片粘貼到另一張圖片上并保存
- 基于python代碼批量處理圖片resize
- python3圖片文件批量重命名處理
