图片数据增强-resize(不同插值)、各种模糊

2024-05-27 18:44

本文主要是介绍图片数据增强-resize(不同插值)、各种模糊,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

各种不同的模糊处理

import os
import cv2def apply_blur_to_images(input_folder_path, output_folder_path):# 遍历文件夹下的所有文件for filename in os.listdir(input_folder_path):# 检查文件类型是否为图片if filename.endswith('.jpg') or filename.endswith('.jpeg') or filename.endswith('.png'):# 构建输入图片的完整路径input_image_path = os.path.join(input_folder_path, filename)# 读取图片image = cv2.imread(input_image_path)# 根据不同的模糊方法进行处理for blur_method in ['gaussian', 'mean', 'median', 'bilateral']:# 创建对应的模糊文件夹output_blur_folder_path = os.path.join(output_folder_path, blur_method)os.makedirs(output_blur_folder_path, exist_ok=True)# 根据选择的模糊方法进行处理if blur_method == 'mean':blurred_image = cv2.blur(image, (15, 15))elif blur_method == 'median':blurred_image = cv2.medianBlur(image, 15)elif blur_method == 'bilateral':blurred_image = cv2.bilateralFilter(image, 15, 75, 75)else:blurred_image = cv2.GaussianBlur(image, (15, 15), 0)# 构建输出图片的完整路径output_image_path = os.path.join(output_blur_folder_path, filename)# 保存模糊处理后的图片cv2.imwrite(output_image_path, blurred_image)if __name__ == '__main__':# 文件夹不要有中文!!!!!!!!!# 输入文件夹路径input_folder_path = './data'# 输出文件夹路径output_folder_path = './output'# 调用函数apply_blur_to_images(input_folder_path, output_folder_path)

resize 下采样

import os
import cv2def reduce_resolution(input_folder_path, output_folder_path, scale_factor, interpolation):# 遍历文件夹下的所有文件for filename in os.listdir(input_folder_path):# 检查文件类型是否为图片if filename.endswith('.jpg') or filename.endswith('.jpeg') or filename.endswith('.png'):# 构建输入图片的完整路径input_image_path = os.path.join(input_folder_path, filename)# 读取图片image = cv2.imread(input_image_path)# 计算目标宽度和高度target_width = int(image.shape[1] * scale_factor)target_height = int(image.shape[0] * scale_factor)# 调整图像尺寸resized_image = cv2.resize(image, (target_width, target_height), interpolation=interpolation)# 构建输出图片的完整路径interpolation_name = get_interpolation_name(interpolation)output_folder = os.path.join(output_folder_path, interpolation_name)os.makedirs(output_folder, exist_ok=True)  # 创建输出文件夹(如果不存在)output_image_path = os.path.join(output_folder, filename)# 保存调整尺寸后的图片cv2.imwrite(output_image_path, resized_image)def get_interpolation_name(interpolation):if interpolation == cv2.INTER_NEAREST:return 'INTER_NEAREST'elif interpolation == cv2.INTER_LINEAR:return 'INTER_LINEAR'elif interpolation == cv2.INTER_CUBIC:return 'INTER_CUBIC'elif interpolation == cv2.INTER_LANCZOS4:return 'INTER_LANCZOS4'else:return 'UNKNOWN'if __name__ == '__main__':# 文件夹不要有中文!!!!!!!!!# 输入文件夹路径input_folder_path = './data'# 输出文件夹路径output_folder_path = './output'# 比例系数scale_factor = 0.5  # 调整为原始图像的一半# 插值方法列表interpolations = [cv2.INTER_NEAREST, cv2.INTER_LINEAR, cv2.INTER_CUBIC, cv2.INTER_LANCZOS4]# 遍历插值方法for interpolation in interpolations:# 调用函数进行图像尺寸调整reduce_resolution(input_folder_path, output_folder_path, scale_factor, interpolation)

遍历文件夹,结果以名字命令,方便区分
在这里插入图片描述

这篇关于图片数据增强-resize(不同插值)、各种模糊的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1008285

相关文章

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

python实现对数据公钥加密与私钥解密

《python实现对数据公钥加密与私钥解密》这篇文章主要为大家详细介绍了如何使用python实现对数据公钥加密与私钥解密,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录公钥私钥的生成使用公钥加密使用私钥解密公钥私钥的生成这一部分,使用python生成公钥与私钥,然后保存在两个文

mysql中的数据目录用法及说明

《mysql中的数据目录用法及说明》:本文主要介绍mysql中的数据目录用法及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、版本3、数据目录4、总结1、背景安装mysql之后,在安装目录下会有一个data目录,我们创建的数据库、创建的表、插入的

Navicat数据表的数据添加,删除及使用sql完成数据的添加过程

《Navicat数据表的数据添加,删除及使用sql完成数据的添加过程》:本文主要介绍Navicat数据表的数据添加,删除及使用sql完成数据的添加过程,具有很好的参考价值,希望对大家有所帮助,如有... 目录Navicat数据表数据添加,删除及使用sql完成数据添加选中操作的表则出现如下界面,查看左下角从左

SpringBoot中4种数据水平分片策略

《SpringBoot中4种数据水平分片策略》数据水平分片作为一种水平扩展策略,通过将数据分散到多个物理节点上,有效解决了存储容量和性能瓶颈问题,下面小编就来和大家分享4种数据分片策略吧... 目录一、前言二、哈希分片2.1 原理2.2 SpringBoot实现2.3 优缺点分析2.4 适用场景三、范围分片

利用Python脚本实现批量将图片转换为WebP格式

《利用Python脚本实现批量将图片转换为WebP格式》Python语言的简洁语法和库支持使其成为图像处理的理想选择,本文将介绍如何利用Python实现批量将图片转换为WebP格式的脚本,WebP作为... 目录简介1. python在图像处理中的应用2. WebP格式的原理和优势2.1 WebP格式与传统

Redis分片集群、数据读写规则问题小结

《Redis分片集群、数据读写规则问题小结》本文介绍了Redis分片集群的原理,通过数据分片和哈希槽机制解决单机内存限制与写瓶颈问题,实现分布式存储和高并发处理,但存在通信开销大、维护复杂及对事务支持... 目录一、分片集群解android决的问题二、分片集群图解 分片集群特征如何解决的上述问题?(与哨兵模

浅析如何保证MySQL与Redis数据一致性

《浅析如何保证MySQL与Redis数据一致性》在互联网应用中,MySQL作为持久化存储引擎,Redis作为高性能缓存层,两者的组合能有效提升系统性能,下面我们来看看如何保证两者的数据一致性吧... 目录一、数据不一致性的根源1.1 典型不一致场景1.2 关键矛盾点二、一致性保障策略2.1 基础策略:更新数

Oracle 数据库数据操作如何精通 INSERT, UPDATE, DELETE

《Oracle数据库数据操作如何精通INSERT,UPDATE,DELETE》在Oracle数据库中,对表内数据进行增加、修改和删除操作是通过数据操作语言来完成的,下面给大家介绍Oracle数... 目录思维导图一、插入数据 (INSERT)1.1 插入单行数据,指定所有列的值语法:1.2 插入单行数据,指

基于 HTML5 Canvas 实现图片旋转与下载功能(完整代码展示)

《基于HTML5Canvas实现图片旋转与下载功能(完整代码展示)》本文将深入剖析一段基于HTML5Canvas的代码,该代码实现了图片的旋转(90度和180度)以及旋转后图片的下载... 目录一、引言二、html 结构分析三、css 样式分析四、JavaScript 功能实现一、引言在 Web 开发中,