如何利用python实现图片批处理

前言

在训练神经网络之前，我们往往需要对数据集进行批量处理。本文以图片为例，介绍如何使用python实现图片的批量处理，包括批量命名，批量更改图像像素，批量对图片进行Harris、Canny……

在此通过以下示例讲解图片遍历方法，并以shi-Tomasi角点检测算法为例，对图片进行批量处理。

可实现的功能：

（1）遍历某一文件夹下的所有图片，示例代码针对所有.jpg格式的图片；

（2）对所有图片均进行shi-Tomasi角点检测处理；

（3）将处理好后的每张图片保存至新的文件夹下。

import cv2
import numpy as np
import glob
import os

def Harris(img):
# 1 读取图像，并转换成灰度图像
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 2角点检测——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
# 图片批量处理
def pichuli():
 nums = 1
 for files in glob.glob(r\'C:\\Users\\********\\*.jpg\'):
  img = cv2.imread(files)
  # 输出路径
  opfile = r\'C:\\Users\\***********/\'
  # 判断opfile是否存在，不存在则创建
  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(\'批处理结束\')

if __name__ == \'__main__\':
 pichuli()

Python批量修改图片大小

# -*- coding: utf-8 -*- 
\'\'\' 
 
\'\'\' 
import os 
from PIL import Image 
 
pic_dir = r\"H:\\新建文件夹\" 
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、宽度均变为原来的1/3 
    new_img = img.resize( new_size) 
    new_name = os.path.join(pic_dir, \"small_\" + filename) 
    new_img.save(new_name )

总结