python进行图像处理结果分析（147.Python图像预处理操作）

在人工智能计算机视觉任务中，经常需要对图像进行预处理操作，比如，在图像分类任务中，我们需要训练图像数据大小一般为：224*224，416*416等，但在实际给的图像数据大小并不是这样的大小，所以需要需要经过预处理。而在模型预测推理中，我们还需要把图像进行归一化处理。

以下面几张原始图像为例，来演示图像的预处理操作缩放和裁剪，图像来源于网络。

500*705

500*335

500*427

500*397

500*427

先把图像以短边缩放到224，再以中心裁剪成224*224大小。最后根据需要做归一化处理。

主要定义三个函数：

1、根据短边缩放：ResizeByShort

2、中心裁剪：CenterCrop

3、归一化：Normalize

import cv2 import numpy as np import os #根据短边缩放 def ResizeByShort(img,size=224): shortsize=min(img.shape[0],img.shape[1]) #取短边 scale=size/shortsize #缩放比 #计算缩放后的宽度 w=int(img.shape[1]*scale) h=int(img.shape[0]*scale) img=cv2.resize(img,(w,h)) return img #中心裁剪正方形 def CenterCrop(img,size): h,w=img.shape[:2] w0=(w-size)//2 h0=(h-size)//2 img=img[h0:h0 size,w0:w0 size] return img #归一化操作,HWC=>NCWH mean=[0.485, 0.456, 0.406] std=[0.229, 0.224, 0.225] def Normalize(img,mean,std): img=img.astype(np.float32)/255. #BGR>RGB img=img[:,:,::-1] mean=np.array(mean).reshape(1,1,3).astype(np.float32) std=np.array(std).reshape(1,1,3).astype(np.flat32) img=(img-mean)/std # img=np.expand_dims(img,axis=0) # img=np.transpose(img,(0,3,1,2)) return img imgnamelst=["7.jpg","16.jpg","80.jpg","104.jpg","d117.jpg"] imglst=[] for imgname in imgnamelst: fimg=os.path.join("img",imgname) img=cv2.imread(fimg) #根据短边缩放 img=ResizeByShort(img,224) #中心裁剪 img=CenterCrop(img,224) imglst.append(img) imgres=np.hstack(imglst) #图像拼接起来 #print(img.shape) cv2.imshow("img",imgres) cv2.waitKey(0) cv2.destroyAllWindows()

5*(224*224)