《如何制作类mnist的金融数据集》——2.生成28*28灰度图

2 .生成28*28灰度图

有了9类共54000张黑白图后,需要对它进行进一步的处理,那就是把它弄成28*28的黑像素图像。主要思路就是对每类图像的文件夹进行遍历,然后resize

直接上代码:

python 复制代码
import torchvision.transforms as transforms
from PIL import Image

num=6000
for i in range(num):
    # 读取原始图像
    # original_image = Image.open('./pre_data0/{}_0.jpg'.format(i+1))
    # original_image = Image.open('./pre_data1/{}_1.jpg'.format(i+1))
    # original_image = Image.open('./pre_data2/{}_2.jpg'.format(i+1))
    # original_image = Image.open('./pre_data3/{}_3.jpg'.format(i+1))
    # original_image = Image.open('./pre_data4/{}_4.jpg'.format(i+1))
    # original_image = Image.open('./pre_data5/{}_5.jpg'.format(i+1))
    # original_image = Image.open('./pre_data6/{}_6.jpg'.format(i+1))
    # original_image = Image.open('./pre_data7/{}_7.jpg'.format(i+1))
    original_image = Image.open('./pre_data8/{}_8.jpg'.format(i+1))
    # 定义转换
    transform = transforms.Compose([
        transforms.Grayscale(num_output_channels=1),
        transforms.Resize((28, 28)),
        transforms.ToTensor()
    ])
    # 应用转换
    transformed_image = transform(original_image).squeeze(0)  # squeeze(pre_data0)用于去掉批处理维度
    # print(transformed_image)
    for i1 in range(28):
        for j in range(28):
            if transformed_image[i1][j] < 0.1:
                transformed_image[i1][j] = 0
            else:
                transformed_image[i1][j] = 1
    # 将张量转换为图像
    transformed_image_PIL = transforms.ToPILImage()(transformed_image)
    # 保存图像
    # transformed_image_PIL.save('./aft_train_data0/{}_0.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_train_data1/{}_1.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_train_data2/{}_2.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_train_data3/{}_3.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_train_data4/{}_4.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_train_data5/{}_5.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_train_data6/{}_6.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_train_data7/{}_7.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_train_data8/{}_8.jpg'.format(i+1))

    # transformed_image_PIL.save('./aft_test_data0/{}_0.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_test_data1/{}_1.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_test_data2/{}_2.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_test_data3/{}_3.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_test_data4/{}_4.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_test_data5/{}_5.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_test_data6/{}_6.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_test_data7/{}_7.jpg'.format(i+1))
    # transformed_image_PIL.save('./aft_test_data8/{}_8.jpg'.format(i+1))

    # transformed_image_PIL.save('./testdata_png/{}_8.png'.format(i + 1))

    transformed_image_PIL.save('./traindata_png/{}_8.png'.format(i + 1))
相关推荐
湫ccc37 分钟前
《Opencv》基础操作详解(3)
人工智能·opencv·计算机视觉
Jack_pirate1 小时前
深度学习中的特征到底是什么?
人工智能·深度学习
微凉的衣柜1 小时前
微软在AI时代的战略布局和挑战
人工智能·深度学习·microsoft
GocNeverGiveUp1 小时前
机器学习1-简单神经网络
人工智能·机器学习
Schwertlilien1 小时前
图像处理-Ch2-空间域的图像增强
人工智能
智慧化智能化数字化方案2 小时前
深入解读数据资产化实践指南(2024年)
大数据·人工智能·数据资产管理·数据资产入表·数据资产化实践指南
哦哦~9212 小时前
深度学习驱动的油气开发技术与应用
大数据·人工智能·深度学习·学习
智慧化智能化数字化方案2 小时前
120页PPT讲解ChatGPT如何与财务数字化转型的业财融合
人工智能·chatgpt
矩阵推荐官hy147622 小时前
短视频矩阵系统种类繁多,应该如何对比选择?
人工智能·python·矩阵·流量运营
kida_yuan3 小时前
【从零开始】10. RAGChecker 提升回答准确率(番外篇)
人工智能