U-NET 图像预处理

首先将图像格式及大小、类型、名称做出调整
这里将 bmp 转为 png 大小统一为 500*500，按照数字序号命名

bmp_png.py


from PIL import Image
import glob
import osout_dir = 'D:/图像数据/橙子/TestIMG/'
cnt = 501
for img in glob.glob('D:/图像数据/橙子/测试图像/*.bmp'):Image.open(img).resize((500,500)).save(os.path.join(out_dir, format(str(cnt), '0>3s') + '.png'))cnt += 1

json 转 png

json_png.py

#!/usr/bin/python
# -*- coding: UTF-8 -*-
# !H:\Anaconda3\envs\new_labelme\python.exe
import argparse
import json
import os
import os.path as osp
import base64
import warningsimport PIL.Image
import yamlfrom labelme import utilsimport cv2
import numpy as np
from skimage import img_as_ubyte# from sys import argvdef main():warnings.warn("This script is aimed to demonstrate how to convert the\n""JSON file to a single image dataset, and not to handle\n""multiple JSON files to generate a real-use dataset.")json_file = "D:/GPU/labelme/data3/json20201030"# freedomlist_path = os.listdir(json_file)print('freedom =', json_file)for i in range(0, len(list_path)):path = os.path.join(json_file, list_path[i])if os.path.isfile(path):data = json.load(open(path))img = utils.img_b64_to_arr(data['imageData'])lbl, lbl_names = utils.labelme_shapes_to_label(img.shape, data['shapes'])captions = ['%d: %s' % (l, name) for l, name in enumerate(lbl_names)]lbl_viz = utils.draw_label(lbl, img, captions)# out_dir = osp.basename(path).replace('.', '_')out_dir = osp.basename(path).split('.json')[0]save_file_name = out_dir# out_dir = osp.join(osp.dirname(path), out_dir)if not osp.exists(json_file + 'mask'):os.mkdir(json_file + 'mask')maskdir = json_file + 'mask'if not osp.exists(json_file + 'mask_viz'):os.mkdir(json_file + 'mask_viz')maskvizdir = json_file + 'mask_viz'out_dir1 = maskdirPIL.Image.fromarray(lbl).save(out_dir1 + '/' + save_file_name + '.png')PIL.Image.fromarray(lbl_viz).save(maskvizdir + '/' + save_file_name +'_label_viz.png')with open(osp.join(out_dir1, 'label_names.txt'), 'w') as f:for lbl_name in lbl_names:f.write(lbl_name + '\n')warnings.warn('info.yaml is being replaced by label_names.txt')info = dict(label_names=lbl_names)with open(osp.join(out_dir1, 'info.yaml'), 'w') as f:yaml.safe_dump(info, f, default_flow_style=False)print('Saved to: %s' % out_dir1)if __name__ == '__main__':# base64path = argv[1]main()

python对比两个目录下的文件名差异，将有json 文件对应的原始图像单独保存处理，因为有的图像没有json文件

jsonANDpng.py


from PIL import Image
import glob
import osout_dir = 'D:/图像数据/橙子/GPU/trainIMG/'
in_dir='D:/图像数据/橙子/GPU/SourceIMG/'
i=0
for img in glob.glob('D:/图像数据/橙子/GPU/labelmemask/*.png'):img=os.path.join(in_dir, os.path.basename(img))Image.open(img).save(os.path.join(out_dir, os.path.basename(img)))i=i+1print(i)

U-NET 图像预处理相关推荐

一阶微分算子锐化图像_【动手学计算机视觉】第三讲：图像预处理之图像分割...
本讲完整代码>> 前言图像分割是一种把图像分成若干个独立子区域的技术和过程.在图像的研究和应用中,很多时候我们关注的仅是图像中的目标或前景(其他部分称为背景),它们对应图像中特定的.具有 ...
图像预处理第7步：标准归一化
图像预处理第7步:标准归一化将分割出来的各个不同宽.高的数字字符宽.高统一 //图像预处理第7步:标准归一化 //将分割出来的各个不同宽.高的数字字符宽.高统一 void CChildView::O ...
如何利用图像预处理提高OCR的准确性？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 OCR代表光学字符识别,将文档照片或场景照片转换为机器编码的文本. ...
图像+预处理+数据增强+总结
图像+预处理+数据增强+总结图像与处理的中间和最终结果的不同版本,本身就是图像数据增强的一部分. 染色归一化数据增强 Image augmentation for machine learning ...
opencv ocr字符识别_OCR深度实践系列：图像预处理
近一个半月时间没更了,在这段时间里针对OCR业务进行了深入研究,业务也已上线,谨以此篇作为OCR系列的开篇. 目前NLP+OCR的落地应用在市场上愈加火热,如金融领域的研报分析.司法领域的合同审核甚至 ...
matlab指纹图像采集,基于MATLAB实现的指纹图像预处理
西南民族大学学报·自然科学版第 34 卷第 4 期 Journal of Southwest University for Nationalities⋅Natural Science Edition ...
图像预处理第8步：紧缩重排数字字符
//图像预处理第8步:紧缩重排已经分割完毕的数字字符,并形成新的位图句柄 void CChildView::OnImgprcShrinkAlign() {m_hDIB=AutoAlign(m_hDIB ...
使用ABBYY FineReader进行自动图像预处理
2019独角兽企业重金招聘Python工程师标准>>> 扫描图像和数码照片中常见的扭曲文本行.歪斜.噪声和其他缺陷可能会降低识别质量,ABBYY FineReader可自动消除这些缺 ...
计算机视觉——图像预处理及边缘检测
1.为什么要进行图像预处理? \qquad当对图像进行边缘.轮廓的检测时,图像噪声会对检测产生不利影响,并且为了帮助模型专注于一般细节并获得更高的准确度,我们需要对图像进行预处理. \qquad预处理 ...
PyTorch框架学习六——图像预处理transforms（二）
PyTorch框架学习六--图像预处理transforms(二) (续)二.transforms的具体方法 4.图像变换 (1)尺寸变换:transforms.Resize() (2)标准化:tran ...

U-NET 图像预处理

U-NET 图像预处理相关推荐

最新文章

热门文章