快捷導(dǎo)航

如何利用python實(shí)現(xiàn)圖片批處理

更新時(shí)間：2021年03月30日 09:08:15 作者：會(huì)飛的小菜雞

這篇文章主要給大家介紹了關(guān)于如何利用python實(shí)現(xiàn)圖片批處理的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

前言

在訓(xùn)練神經(jīng)網(wǎng)絡(luò)之前，我們往往需要對(duì)數(shù)據(jù)集進(jìn)行批量處理。本文以圖片為例，介紹如何使用python實(shí)現(xiàn)圖片的批量處理，包括批量命名，批量更改圖像像素，批量對(duì)圖片進(jìn)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(diǎn)檢測(cè)算法為例，對(duì)圖片進(jìn)行批量處理。

可實(shí)現(xiàn)的功能：

（1）遍歷某一文件夾下的所有圖片，示例代碼針對(duì)所有.jpg格式的圖片；

（2）對(duì)所有圖片均進(jìn)行shi-Tomasi角點(diǎn)檢測(cè)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(zhuǎn)換成灰度圖像
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 2角點(diǎn)檢測(cè)——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(chuàng)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(jié)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?yōu)樵瓉淼?/3 
    new_img = img.resize( new_size) 
    new_name = os.path.join(pic_dir, "small_" + filename) 
    new_img.save(new_name )