深度學習voc數據集圖片resize

本人新寫的3個pyhton腳本。

（1）單張圖片的resize:

# coding = utf-8  
import Image  

def  convert(width,height):
    im = Image.open("C:\\workspace\\PythonLearn1\\test.jpg")
    out = im.resize((width, height),Image.ANTIALIAS)
    out.save("C:\\workspace\\PythonLearn1\\test.jpg")
if __name__ == '__main__':
    convert(256,256)

（2）resize整個文件夾里的圖片：

# coding = utf-8
import Image
import os

def convert(dir,width,height):
    file_list = os.listdir(dir)
    print(file_list)
    for filename in file_list:
        path = ''
        path = dir+filename
        im = Image.open(path)
        out = im.resize((256,256),Image.ANTIALIAS)
        print "%s has been resized!"%filename
        out.save(path)
    
if __name__ == '__main__':
   dir = raw_input('please input the operate dir:')
   convert(dir,256,256)

注意點：服務器性能所限，要將500*500數據集resize到256*256。上面只是初步處理，實際上要訓練出高質量的模型以上的方式並不嚴謹，應當按比例resize，這樣的好處是圖片不會變形。

(3)按比例resize

# coding = utf-8  
import Image  

def  convert(width,height):
    im = Image.open("C:\\workspace\\PythonLearn1\\test_1.jpg")
    (x, y)= im.size
    x_s = width
    y_s = y * x_s / x
    out = im.resize((x_s, y_s), Image.ANTIALIAS)
    out.save("C:\\workspace\\PythonLearn1\\test_1_out.jpg")
if __name__ == '__main__':
    convert(256,256)  

本來我的計划是按照比例resize圖片，因為圖片不可能正好是正方形的，所以想在不足256*256時用空白填充（這句話來自FCN的原文），后來有小伙伴說其實fcn可以接收任意尺寸大小的圖片，用空白填充可能還會引入噪聲，所以目前工作只做到這里。

關於python的圖像處理庫，PIL下面的鏈接給出了參考。在后續的制作數據集的過程中應該會有用武之地。

參考文章： http://blog.csdn.net/yupu56/article/details/50471119