深度学习voc数据集图片resize
本人新写的3个pyhton脚本。
（1）单张图片的resize:
1 # coding = utf-8 2 import Image 3 4 def convert(width,height): 5 im = Image.open("C:\\workspace\\PythonLearn1\\test.jpg") 6 out = im.resize((width, height),Image.ANTIALIAS) 7 out.save("C:\\workspace\\PythonLearn1\\test.jpg") 8 if __name__ == '__main__': 9 convert(256,256)
（2）resize整个文件夹里的图片：
1 # coding = utf-8 2 import Image 3 import os 4 5 def convert(dir,width,height): 6 file_list = os.listdir(dir) 7 print(file_list) 8 for filename in file_list: 9 path = '' 10 path = dir+filename 11 im = Image.open(path) 12 out = im.resize((256,256),Image.ANTIALIAS) 13 print "%s has been resized!"%filename 14 out.save(path) 15 16 if __name__ == '__main__': 17 dir = raw_input('please input the operate dir:') 18 convert(dir,256,256)
注意点：服务器性能所限，要将500*500数据集resize到256*256。上面只是初步处理，实际上要训练出高质量的模型以上的方式并不严谨，应当按比例resize，这样的好处是图片不会变形。
(3)按比例resize
1 # coding = utf-8 2 import Image 3 4 def convert(width,height): 5 im = Image.open("C:\\workspace\\PythonLearn1\\test_1.jpg") 6 (x, y)= im.size 7 x_s = width 8 y_s = y * x_s / x 9 out = im.resize((x_s, y_s), Image.ANTIALIAS) 10 out.save("C:\\workspace\\PythonLearn1\\test_1_out.jpg") 11 if __name__ == '__main__': 12 convert(256,256)
本来我的计划是按照比例resize图片，因为图片不可能正好是正方形的，所以想在不足256*256时用空白填充（这句话来自FCN的原文），后来有小伙伴说其实fcn可以接收任意尺寸大小的图片，用空白填充可能还会引入噪声，所以目前工作只做到这里。
关于python的图像处理库，PIL下面的链接给出了参考。在后续的制作数据集的过程中应该会有用武之地。
参考文章： http://blog.csdn.net/yupu56/article/details/50471119
