图片预处理和图片扩增（将一张图片按照固定步长分为4张）

这几天在读一篇论文，文中提到“当目标图像与原始图像的长宽比不同时，传统的归一化方法会使图像变形”，它提出一种按照目标图片（模型的输入）的比例缩放输入图片，步骤如下图所示：

我将上述方法进行了复现，分为两给py文件，一个是处理文件，一个是运行文件。
1.处理文件：image_processing.py
我将处理文件封装成了类，便于使用，如下。需要说明的一点是，cv2.imwrite（path，img）无法处理带有中文的路径，只能 cv2.imencode（）了。
思路：（这个py文件可以单独运行）
（1）首先使用glob（）函数获得一个文件夹下的所有图片文件的地址，它的返回值就是一个列表，超级好用，不用自己再写for循环手动将文件地址添加到列表中（可以对比接下来的另一个py文件，那个是手动添加的）
（2）之后处理每一个单独的文件，获取改文件的长边和短边，按照上图中的公式计算出len和step（文中step是4，因为文中再计算步长时除以了3，这个含义是说将长边和短边的差平均分为3份，每此剪裁走一份大小（len值），分3步剪裁完，加上最开始切割的i一步，一共是四步，如下午所示。）
（3）将图片以短边为基准，在长边上进行剪裁，剪裁成4张，实现了图片数量的扩增。

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
# author:Dr.Shang

import cv2
import numpy as np
import os
from glob import glob

class Preprocess(object):

    def __init__(self, in_path, out_path):
        self._output_path = out_path
        self._image_path = in_path

    # print(TEST_IMAGE_PATH) # 列表
    @staticmethod
    def get_min_max_len(weight, height):
        if weight > height:
            max_value = weight
            min_value = height
        else:
            max_value = height
            min_value = weight
        len_value = min_value
        return min_value, max_value, len_value

    @staticmethod
    def get_step(min_value, max_value):
        return (max_value - min_value) // 3

    def get_image(self):
        image_paths = self._image_path
        for num, image_path in enumerate(image_paths):
            image_path_copy = image_path
            img_name = image_path_copy.split('\\')[-1].split('.')[0]
            imgs = cv2.imread(image_path)
            try:
                if imgs.shape[0] != 0:
                    print('读取文件%s成功' % image_path)
            except:
                print('读取失败')
            weight = imgs.shape[0]
            height = imgs.shape[1]
            min, max, len = self.get_min_max_len(weight, height)
            # print(min, max, len)
            step = self.get_step(min, max)
            # print(step)
            new_img_list = np.zeros((4, len, len, 3), dtype=np.uint8)
            begin = 0
            len_plus = len
            # print(img.shape)
            for i in range(4):
                # print(new_img_list[i, :, :, :].shape)
                if weight > height:
                    new_img_list[i, :, :, :] = imgs[begin:len_plus, :]
                else:
                    new_img_list[i, :, :, :] = imgs[:, begin:len_plus]
                begin += step
                len_plus += step

            # print(new_img_list.shape)
            for i, img in enumerate(new_img_list):
                try:
                        new_img = img
                        path = os.path.join(self._output_path, '{}-{}-{}.jpg'.format(img_name, num, i))
                        cv2.imencode('.jpg', new_img)[1].tofile(path)
                        """
                        cv2.imwrite（path，img）无法处理带有中文的路径，只能 cv2.imencode（）了。
                        """
                        print('图片{}预处理成功'.format(img_name))

                except:
                        print('图片{}预处理失败'.format(img_name))


if __name__ == '__main__':
	OUTPUT_PATH = r'D:\coding\论文复现\选择性卷积特征融合\output_image'
    TEST_IMAGE_PATH = glob(r"D:\FlyAI\FlowerClassify_FlyAI\data\input\images\daisy\*")
    
    image_path = TEST_IMAGE_PATH
    output_path = OUTPUT_PATH
    # img = Preprocess(image_path, output_path)
    # img.get_image()
    print(TEST_IMAGE_PATH)  # 列表

2.运行文件
该文件是对父文件夹下不同子文件下的所有图片进行扩增，然后再目标文件夹创建相同父、子文件，将处理后的文件按照原所属关系放入新建的子文件夹内。
我的目录结构如下：

代码：

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
# author:Dr.Shang

import image_processing as ip
import os
import cv2
from glob import glob


ORIGINAL_DIRECTORY = r'D:\FlyAI\FlowerClassify_FlyAI\data\input\images'
DIRECTORIES_LIST = os.listdir(ORIGINAL_DIRECTORY) # 列举原始文件夹内的所含文件夹
OUTPUT_DIRECTORY_PATH = r'D:\coding\论文复现\选择性卷积特征融合\output_image'
# print(DIRECTORIES_LIST)

for directory in DIRECTORIES_LIST:
    output_directory = os.path.join(OUTPUT_DIRECTORY_PATH, directory)
    is_exit = os.path.exists(output_directory)
    if not is_exit:
        os.mkdir(output_directory)

    total_num_directory = len(DIRECTORIES_LIST)
    files = os.listdir(os.path.join(ORIGINAL_DIRECTORY, directory))
    files_directory =os.path.join(ORIGINAL_DIRECTORY, directory)
    files_path = []
    for file in files:
        if file.endswith('.jpg' or '.jpeg' or '.bmp'):
            files_path.append(os.path.join(files_directory, file))
    # print(files_path)
    process = ip.Preprocess(files_path, output_directory) # 创建Preprocess实例
    process.get_image()

最中效果如下：





最后，在使用这些图片训练模型时，还是要使用其他的预处理手段。