《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
Dawson Zhu16 分钟前
【模型量化⑦】W4A8与GPTQ-Int4:极限压缩与MLC-LLM部署实战
人工智能·语言模型·架构·aigc·agi
千寻技术帮33 分钟前
50055_基于AI的互帮互助小程序(源码+文档+数据库脚本+部署教程)
数据库·人工智能·小程序·毕业设计·springboot·课程设计
天树星智源1 小时前
KV 剪枝的同一个误差,模型确定时只改 1.4% 的 token,不确定时改 65%:接上不确定性,AIME25 端到端快 1.27 倍
人工智能·大模型
AI英德西牛仔1 小时前
PC 用户的效率革命:腾讯元宝导出 Word 指令与“AI 导出鸭”的底层逻辑
人工智能·word·excel·deepseek·ai导出鸭
Flynn Liang2 小时前
多智能体协同不再复杂:Redis Stream 消费者组、幂等与故障恢复
数据库·人工智能·redis·缓存·ai agent·智能体
VIP_CQCRE10 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
泯泷11 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”
人工智能
oak隔壁找我12 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件
人工智能·程序员
高洁0112 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
Csvn12 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)
人工智能·aigc·agent