《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
m0_7513363937 分钟前
突破性进展:超短等离子体脉冲实现单电子量子干涉,为飞行量子比特奠定基础
人工智能·深度学习·量子计算·材料科学·光子器件·光子学·无线电电子
美狐美颜sdk4 小时前
跨平台直播美颜SDK集成实录:Android/iOS如何适配贴纸功能
android·人工智能·ios·架构·音视频·美颜sdk·第三方美颜sdk
DeepSeek-大模型系统教程4 小时前
推荐 7 个本周 yyds 的 GitHub 项目。
人工智能·ai·语言模型·大模型·github·ai大模型·大模型学习
郭庆汝4 小时前
pytorch、torchvision与python版本对应关系
人工智能·pytorch·python
小雷FansUnion6 小时前
深入理解MCP架构:智能服务编排、上下文管理与动态路由实战
人工智能·架构·大模型·mcp
资讯分享周6 小时前
扣子空间PPT生产力升级:AI智能生成与多模态创作新时代
人工智能·powerpoint
叶子爱分享7 小时前
计算机视觉与图像处理的关系
图像处理·人工智能·计算机视觉
鱼摆摆拜拜7 小时前
第 3 章:神经网络如何学习
人工智能·神经网络·学习
一只鹿鹿鹿7 小时前
信息化项目验收,软件工程评审和检查表单
大数据·人工智能·后端·智慧城市·软件工程
张较瘦_8 小时前
[论文阅读] 人工智能 | 深度学习系统崩溃恢复新方案:DaiFu框架的原位修复技术
论文阅读·人工智能·深度学习