广告位联系
返回顶部
分享到

python图像填充与裁剪/resize的实现代码

python 来源:互联网 作者:佚名 发布时间:2022-09-03 06:56:26 人浏览
摘要

前言 有时候我们需要把图片填充成某个数字的整数倍才能送进模型。 例如,有些模型下采样倍率是8倍,或者16倍,那么输入的长和高就分别应该是8或16的整数倍。如果图片达不到,除

前言

有时候我们需要把图片填充成某个数字的整数倍才能送进模型。
例如,有些模型下采样倍率是8倍,或者16倍,那么输入的长和高就分别应该是8或16的整数倍。如果图片达不到,除了拉伸图像(会造成比例改变),另一种就是先填充,后裁剪。
相信搞过NLP的同学并不陌生啦。

代码

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

from math import ceil

from torchvision.transforms.functional import to_tensor, to_pil_image

from PIL import Image

import torch

# 填充到最接近base整数倍的长和宽图像大小

def get_padding_pic_mask(origin_png, result_png, result_mask_png, rgb=[[130, 206, 255]], base=4):

    # C, H, W

    src = Image.open(origin_png)

    src = to_tensor(src)

    # print(src.shape)  # torch.Size([3, 800, 600])

    # channel: (R, G, B) / 255

    origin_h, origin_w = src.shape[1], src.shape[2]

    print('原图像大小, height: {}, width: {}'.format(origin_h, origin_w))

 

    h = ceil(origin_h / base) * base

    w = ceil(origin_w / base) * base

 

    img = torch.ones(3, h, w)

    # 如果想要填充是黑色则注释掉上一句,换下面这一句

    # img = torch.zeros(3, h, w)

 

    img[:, :origin_h, :origin_w] = src

    # 保存填充后的图片

    to_pil_image(img).save(result_png)

 

    # 处理一下mask

    mask = torch.tensor(rgb) / 255

 

    mask = mask.view(3, 1, 1).repeat(1, h, w)

    # 保存填充后的mask

    to_pil_image(mask).save(result_mask_png)

     

 

# 图像输出后我们需要clip一下

def clip_unpadding(input_png, output_png, origin_h, origin_w):

    # C, H, W

    img = Image.open(input_png)

    img = to_tensor(img)

    img = img[:, :origin_h, :origin_w]

    # 保存裁剪后的图片

    to_pil_image(img).save(output_png)

 

if __name__ == '__main__':

    # origin_png = 'pic/pic.jpg'

    # result_png = 'pic/pic_padding.jpg'

    # result_mask_png = 'pic/mask_padding.jpg'

    # get_padding_pic_mask(origin_png, result_png, result_mask_png)

 

    input_png = 'pic/pic_padding.jpg'

    output_png = 'pic/pic_clip.jpg'

    # 原图像大小, height: 567, width: 390

    clip_unpadding(input_png, output_png, 567, 390)

自媒体培训

resize

有时候我们也要改变图片的宽和高。

1

2

3

4

5

6

7

8

9

from PIL import Image

def resize_img(origin_png, resize_png, height, width):

    img = Image.open(origin_png)

    img = img.resize((width, height))

    img.save(resize_png)

if __name__ == '__main__':

    origin_png = 'pic/white.jpg'

    resize_png = 'pic/white_resize.png'

    resize_img(origin_png, resize_png, 800, 600)


版权声明 : 本文内容来源于互联网或用户自行发布贡献,该文观点仅代表原作者本人。本站仅提供信息存储空间服务和不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权, 违法违规的内容, 请发送邮件至2530232025#qq.cn(#换@)举报,一经查实,本站将立刻删除。
原文链接 : https://blog.csdn.net/weixin_43850253/article/details/126445783
相关文章
  • Python Django教程之实现新闻应用程序

    Python Django教程之实现新闻应用程序
    Django是一个用Python编写的高级框架,它允许我们创建服务器端Web应用程序。在本文中,我们将了解如何使用Django创建新闻应用程序。 我们将
  • 书写Python代码的一种更优雅方式(推荐!)

    书写Python代码的一种更优雅方式(推荐!)
    一些比较熟悉pandas的读者朋友应该经常会使用query()、eval()、pipe()、assign()等pandas的常用方法,书写可读性很高的「链式」数据分析处理代码
  • Python灰度变换中伽马变换分析实现

    Python灰度变换中伽马变换分析实现
    1. 介绍 伽马变换主要目的是对比度拉伸,将图像灰度较低的部分进行修正 伽马变换针对的是对单个像素点的变换,也就是点对点的映射 形
  • 使用OpenCV实现迷宫解密的全过程

    使用OpenCV实现迷宫解密的全过程
    一、你能自己走出迷宫吗? 如下图所示,可以看到是一张较为复杂的迷宫图,相信也有人尝试过自己一点一点的找出口,但我们肉眼来解谜
  • Python中的数据精度问题的介绍

    Python中的数据精度问题的介绍
    一、python运算时精度问题 1.运行时精度问题 在Python中(其他语言中也存在这个问题,这是计算机采用二进制导致的),有时候由于二进制和
  • Python随机值生成的常用方法

    Python随机值生成的常用方法
    一、随机整数 1.包含上下限:[a, b] 1 2 3 4 import random #1、随机整数:包含上下限:[a, b] for i in range(10): print(random.randint(0,5),end= | ) 查看运行结
  • Python字典高级用法深入分析讲解
    一、 collections 中 defaultdict 的使用 1.字典的键映射多个值 将下面的列表转成字典 l = [(a,2),(b,3),(a,1),(b,4),(a,3),(a,1),(b,3)] 一个字典就是一个键对
  • Python浅析多态与鸭子类型使用实例
    什么多态:同一事物有多种形态 为何要有多态=》多态会带来什么样的特性,多态性 多态性指的是可以在不考虑对象具体类型的情况下而直
  • Python字典高级用法深入分析介绍
    一、 collections 中 defaultdict 的使用 1.字典的键映射多个值 将下面的列表转成字典 l = [(a,2),(b,3),(a,1),(b,4),(a,3),(a,1),(b,3)] 一个字典就是一个键对
  • Python淘宝或京东等秒杀抢购脚本实现(秒杀脚本

    Python淘宝或京东等秒杀抢购脚本实现(秒杀脚本
    我们的目标是秒杀淘宝或京东等的订单,这里面有几个关键点,首先需要登录淘宝或京东,其次你需要准备好订单,最后要在指定时间快速
  • 本站所有内容来源于互联网或用户自行发布,本站仅提供信息存储空间服务,不拥有版权,不承担法律责任。如有侵犯您的权益,请您联系站长处理!
  • Copyright © 2017-2022 F11.CN All Rights Reserved. F11站长开发者网 版权所有 | 苏ICP备2022031554号-1 | 51LA统计