训练keras时遇到了一个问题,就是内存不足,将 .fit 改成 .fit_generator以后还是放不下一张图(我的图片是8192×8192的大图==64M)。于是解决方法是将大图切成小图,把小图扔去训练,跑出来的图再拼成一个大图
实验发现我的keras(win10 - 16G内存)只放得下最多4副小图(2048×2048×4==16M),
再多就会报错exit :
Allocation of 4831838208 exceeds 10% of system memory.
原因大概是除了numpy本身要存这些图,keras训练中也会对应有额外的消耗
一、大图切片成小图
''' 读入一个图片0.bmp,切成指定数目个小图片(16个) 文件夹名out ''' from PIL import Image import sys,os cut_num = 4 # 4*4=16个图片 #将图片填充为正方形 def fill_image(image): width, height = image.size #选取长和宽中较大值作为新图片的 new_image_length = width if width > height else height #生成新图片[白底] #new_image = Image.new(image.mode, (new_image_length, new_image_length), color='white') new_image = Image.new(image.mode, (new_image_length, new_image_length)) #将之前的图粘贴在新图上,居中 if width > height:#原图宽大于高,则填充图片的竖直维度 #(x,y)二元组表示粘贴上图相对下图的起始位置 new_image.paste(image, (0, int((new_image_length - height) / 2))) else: new_image.paste(image, (int((new_image_length - width) / 2),0)) return new_image #切图 def cut_image(image): width, height = image.size item_width = int(width / cut_num) box_list = [] # (left, upper, right, lower) for i in range(0,cut_num):#两重循环,生成图片基于原图的位置 for j in range(0,cut_num): #print((i*item_width,j*item_width,(i+1)*item_width,(j+1)*item_width)) box = (j*item_width,i*item_width,(j+1)*item_width,(i+1)*item_width) box_list.append(box) image_list = [image.crop(box) for box in box_list] return image_list #保存 def save_images(image_list): index = 1 for image in image_list: image.save('out/'+str(index) + '.bmp', 'BMP') index += 1 if __name__ == '__main__': file_path = "0.bmp" os.mkdir("out") image = Image.open(file_path) #image.show() image = fill_image(image) image_list = cut_image(image) save_images(image_list)
二、随机截取指定大小的图
''' 随即截取指定大小的图片 ''' import os import cv2 import random #读取图片 img1=cv2.imread('0.bmp') img2=cv2.imread('1.bmp') #h、w为想要截取的图片大小 h=2048 w=2048 save_dir1 = "pic_train/" save_dir2 = "pic_noise/" if os.path.exists(save_dir1) is False: os.makedirs(save_dir1) if os.path.exists(save_dir2) is False: os.makedirs(save_dir2) count=0 while 1: #随机产生x,y 此为像素内范围产生 y = random.randint(0, 6144) x = random.randint(0, 6144) #随机截图 cropImg1 = img1[(y):(y + h), (x):(x + w)] cropImg2 = img2[(y):(y + h), (x):(x + w)] cv2.imwrite(save_dir1 + str(count) + '.bmp', cropImg1) cv2.imwrite(save_dir2 + str(count) + '.bmp', cropImg2) count+=1 if count==100: break
三、小图组合成大图
''' 将指定文件夹里面的图片拼接成一个大图片 ''' import PIL.Image as Image import os IMAGES_PATH = 'out\\' # 图片集地址 IMAGES_FORMAT = ['.bmp', '.BMP'] # 图片格式 IMAGE_SIZE = 2048 # 每张小图片的大小 IMAGE_ROW = 4 # 图片间隔,也就是合并成一张图后,一共有几行 IMAGE_COLUMN = 4 # 图片间隔,也就是合并成一张图后,一共有几列 IMAGE_SAVE_PATH = 'final.bmp' # 图片转换后的地址 # 获取图片集地址下的所有图片名称 image_names = [name for name in os.listdir(IMAGES_PATH) for item in IMAGES_FORMAT if os.path.splitext(name)[1] == item] # 简单的对于参数的设定和实际图片集的大小进行数量判断 if len(image_names) != IMAGE_ROW * IMAGE_COLUMN: raise ValueError("合成图片的参数和要求的数量不能匹配!") # 定义图像拼接函数 def image_compose(): to_image = Image.new('RGB', (IMAGE_COLUMN * IMAGE_SIZE, IMAGE_ROW * IMAGE_SIZE)) #创建一个新图 # 循环遍历,把每张图片按顺序粘贴到对应位置上 for y in range(1, IMAGE_ROW + 1): for x in range(1, IMAGE_COLUMN + 1): from_image = Image.open(IMAGES_PATH + image_names[IMAGE_COLUMN * (y - 1) + x - 1]).resize( (IMAGE_SIZE, IMAGE_SIZE),Image.ANTIALIAS) to_image.paste(from_image, ((x - 1) * IMAGE_SIZE, (y - 1) * IMAGE_SIZE)) to_image = to_image.convert('L') return to_image.save(IMAGE_SAVE_PATH) # 保存新图 image_compose() #调用函数
注意文件名的数字顺序,00 01 02 ...11 12 13 ....这样
以上这篇Python 实现将大图切片成小图,将小图组合成大图的例子就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持亿速云。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。