图片数据增强-resize(不同插值)、各种模糊

各种不同的模糊处理

python 复制代码
import os
import cv2


def 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

python 复制代码
import os
import cv2


def 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

相关推荐
张人玉19 分钟前
人工智能——猴子摘香蕉问题
人工智能
草莓屁屁我不吃22 分钟前
Siri因ChatGPT-4o升级:我们的个人信息还安全吗?
人工智能·安全·chatgpt·chatgpt-4o
小言从不摸鱼26 分钟前
【AI大模型】ChatGPT模型原理介绍(下)
人工智能·python·深度学习·机器学习·自然语言处理·chatgpt
AI科研视界1 小时前
ChatGPT+2:修订初始AI安全性和超级智能假设
人工智能·chatgpt
霍格沃兹测试开发学社测试人社区1 小时前
人工智能 | 基于ChatGPT开发人工智能服务平台
软件测试·人工智能·测试开发·chatgpt
小R资源1 小时前
3款免费的GPT类工具
人工智能·gpt·chatgpt·ai作画·ai模型·国内免费
artificiali4 小时前
Anaconda配置pytorch的基本操作
人工智能·pytorch·python
酱香编程,风雨兼程5 小时前
深度学习——基础知识
人工智能·深度学习
Lossya5 小时前
【机器学习】参数学习的基本概念以及贝叶斯网络的参数学习和马尔可夫随机场的参数学习
人工智能·学习·机器学习·贝叶斯网络·马尔科夫随机场·参数学习
#include<菜鸡>5 小时前
动手学深度学习(pytorch土堆)-04torchvision中数据集的使用
人工智能·pytorch·深度学习