这篇文章主要讲解了“python批处理将图片进行放大的方法是什么”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“python批处理将图片进行放大的方法是什么”吧!
有时候对于网络识别,将原始图片放进网络中并不能达到自己想要的效果,但是有时候如果将图片放大之后,识别率却能够达到意想不到的结果,现在提供一种将文件中的图片进行批处理放大的代码:
import os from PIL import Image import sys #获取path目录下的所有文件 def get_imlist(path): return[os.path.join(path,f) for f in os.listdir(path)] def change_size(path): directorys=get_imlist(path) for directory in directorys: #不是图片文件就跳过 print(directory) if not(directory.endswith('.jpg') or directory.endswith('.png') or directory.endswith('.bmp')): ##b pass else: img=Image.open(directory) s="/" #获取文件名(含后缀) oimage_name=directory[directory.rfind(s)+1:] (oimage_width,oimage_height)=img.size new_width=oimage_width * 3 new_height=oimage_height * 3 out=img.resize((new_width,new_height),Image.ANTIALIAS) out.save("%s" %oimage_name) #直接替换 if __name__ == '__main__': change_size("F:\桌面\\test")
问题:实现将像素n*n的图片 等比例缩放为 30*30
0、环境要求:Python3.x 需要安装pillow模块:
pip install pillow
1、缩放一个图片:
from PIL import Image img = Image.open("2.png") # 读取图片 out = img.resize((30,30)) # 等比例缩放为30*30像素 out.save("2.png") # 保存图片(覆盖原图)
2、批处理:
/* 目录结构 E:\data_eg\lip_train: ----------folder1: --------pic1.png --------pic2.png --------pic3.png ----------folder2: --------pic1.png --------pic2.png --------pic3.png --------pic4.png --------pic5.png ----------folder3: --------pic1.png --------pic2.png */ import os from PIL import Image path_target = "E:\data_eg\lip_train" # liptrain路径下是文件夹,文件夹下是多张图片 path_list=os.walk(path_target) # 使用os.walk()方法,遍历所有路径,文件 # filenames 保存所有图片名的 list # root 保存二级目录 for root, dirs, filenames in path_list: for filename in filenames: # 遍历包含 所有文件名 的list file_path = os.path.join(root,filename) # 合成得到每个图片的 绝对路径 print(file_path) # 打印 绝对路径 至屏幕 img = Image.open(file_path) # 打开 此绝对路径 的图片 out = img.resize((30,30)) # 等比例缩放至 30*30 像素 #out = img.convert('L') # 转换为灰度图像 out.save(file_path) # 保存,覆盖原图片
感谢各位的阅读,以上就是“python批处理将图片进行放大的方法是什么”的内容了,经过本文的学习后,相信大家对python批处理将图片进行放大的方法是什么这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是亿速云,小编将为大家推送更多相关知识点的文章,欢迎关注!
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。