python图片预处理基本操作之——批量重命名，修改格式，统一大小，保存为其他路径，灰度化，归一化并将BGR写入txt

最近学习需要，接触了一些图片预处理的工作（用python实现），但网上集中的篇幅不多，故整理如下，主要包括：

• 批量重命名大量图片
• 修改格式（此处以.bmp转化为.jpg为例）
• 统一图片大小（分辨率128*128）
• 将上述操作后的图片另存为目标路径
• 对图片进行灰度化处理
• 对图片进行归一化处理，并将每个像素点的BGR保存在txt文件里

版本：python3.8
运行：PyCharm2019

下面开始详细讲解喽：

第一步：

分别批量重命名文件夹中的图片名称，并将.bmp格式的图片修改为.jpg格式。
下图是从网络上下载的量两组图：
上面一排是5张兔子Judy(.bmp格式), 下面一排是5张花朵（.jpg格式）。这些图名称随机，大小不一。这些原始图片的保存路径是 ./pictures
主要语法：os.rename()
参考链接: https://blog.csdn.net/wowocpp/article/details/79460407

class BatchRename():  #定义一个重命名的类
    def __init__(self):
        self.path = './pictures'

    def rename(self):
        filelist = os.listdir(self.path)
        total_num = len(filelist)
        i = 0
        for item in filelist:
            if item.endswith('.bmp'):   #将bmp格式的图片改为jpg
                src = os.path.join(os.path.abspath(self.path), item)
                dst = os.path.join(os.path.abspath(self.path), 'Judy' + str(i) + '.jpg') #重新命名并改格式
                try:
                    os.rename(src, dst)
                    print('converting %s to %s ...' % (src, dst))
                    i = i + 1
                except:
                    continue

        for item in filelist:
            if item.endswith('.jpg'):
                src = os.path.join(os.path.abspath(self.path), item)
                dst = os.path.join(os.path.abspath(self.path), 'flower' + str(i) + '.jpg')  ##重新命名
                try:
                    os.rename(src, dst)
                    print('converting %s to %s ...' % (src, dst))
                    i = i + 1
                except:
                    continue

if __name__ == '__main__':
    demo = BatchRename()
    demo.rename()

效果如下：

第二步：

统一所有图片大小为128*128，,更改尺寸后保存到另一目录 ./Pic_SameSize

这里用到了PIL (Python Image Library)，一个第三方的图像处理库。具体介绍的链接：
https://blog.csdn.net/leemboy/article/details/83792729

from PIL import Image
import os.path
import glob

def convertSize(jpgfile,outdir,width=128,height=128):  #图片的大小
    img=Image.open(jpgfile)  
    try:
        new_img = img.resize((width, height), Image.BILINEAR)
        if new_img.mode == 'P':
            new_img = new_img.convert("RGB")
        if new_img.mode == 'RGBA':
            new_img = new_img.convert("RGB")
        new_img.save(os.path.join(outdir, os.path.basename(jpgfile)))
    except Exception as e:
        print(e)

for jpgfile in glob.glob("./pictures/*.jpg"):  #修改该文件夹下的jpg图片
    convertSize(jpgfile,"./Pic_SameSize")  #另存为的文件夹路径

效果如下：

第三步：

图片的灰度处理+归一化

背景介绍：

对于任何一张彩色图片，每个像素点有RGB（即red 红，green 绿， blue 蓝）三个值。如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。一般有分量法 最大值法平均值法加权平均法四种方法对彩色图像进行灰度化。
在这里，我们调用PIL 里的 Img.convert(‘L’) 这句语法来实现对统一大小后的图片灰度化处理。

使用深度学习在进行图像分类或者对象检测时候，首先需要对图像做数据预处理，一种常见方法叫做归一化处理。图像归一化最常见的就是最大最小值归一化方法，公式如下：
我们在这里介绍一种python调用OpenCV实现图像最大最小值归一化的操作。openCV是一个强大的图像处理和计算机视觉库,实现了很多实用算法，保留了python等的接口，以供调用。
在这里用到的归一化的语法是：cv2.normalize
这个函数的详解：
https://blog.csdn.net/qq_29023939/article/details/81105806

注：需要在PyCharm里安装openCV这个库。
File -> Settings -> 左侧找到 Project: XX 下的Project Interpreter ->点击右侧的+按钮，分别输入opencv-python 和 opencv-contrib-python 进行安装。

下面就可以具体实现：

import numpy as np
from PIL import Image
import os
from numpy import *
import cv2  #导入openCV
input_dir = './Pic_SameSize/'  #文件夹名字后一定要加/，才能识别为打开文件夹中的内容
out_dir1 = './After_graying_'  #进行灰度化后的图片保存在该文件夹下
out_dir2 = './After_normalizing_'  #进行灰度化和归一化后的图片保存在该文件夹下

#3.1灰度化
a = os.listdir(input_dir)
for i in a:    
    print(i)
    Img = Image.open(input_dir + i)  #用PIL的库来逐个读取图片
    Img_gray = Img.convert('L')  #灰度化L
    Img_gray.save('./After_graying' + out_dir1 + i)  #用PIL的库来逐个保存图片到指定路径下
    print('~~~~~~~~~~~~~This is a picture after graying~~~~~~~~~~')
    print(Img_gray)

#3.2对上述灰度化后的Img_gray进行归一化
b = os.listdir('./After_graying/')
for j in b:
    print(j)
    photo = cv2.imread("./After_graying/" + j)
    #cv2.imread()接口读图像，读进来直接是BGR 格式数据格式在 0~255，通道格式为(W,H,C)
    result = np.zeros(photo.shape, dtype=np.float32) 
    cv2.normalize(photo, result, 0, 1, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_32F, mask=None)
    print('~~~~~~~~~~This is data of BGR after normalizing : ~~~~~~~~~~~~~~~~~~')
    print(result)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

    Img_output = Image.fromarray(np.uint8(result))  # 将array恢复成图片 Img_output，不能直接把result保存在文件夹里。
    Img_output.save('./After_normalizing' + out_dir2 + j)  #将归一化后的图片保存在指定路径下
    
    #3.3下面将以上每张图归一化后的数据保存下项目文件夹下的 txtfile.txt 中
    fname = open("E:/python_work/PictureProcessing/txtfile.txt", 'a') #a是向txt中追加写入
    fname.write("Name of the Picture:" + str(j) + '\n')
    fname.write("图像的形状,返回一个图像的(行数,列数,通道数):" + str(result.shape) + '\n')
    fname.write("图像的像素数目:"+str(result.size)+'\n')
    fname.write("图像的数据类型:"+str(result.dtype)+'\n')
    Xlenth = result.shape[1]  #图片列数
    Ylenth = result.shape[0]  #图片行数
    
    m = 1
    for p in range(Ylenth):  #外循环是行
        fname.write(str(m) + ':'+'\n')
        for q in range(Xlenth):   #内循环是列
            fname.write(str(result[p][q])+' ')
        m += 1
        fname.write('\n')
    fname.close()

让我们来逐个看下效果：

• 灰度化后的图片（保存在./After_graying )
  
• 归一化后的图片（保存在 ./After_normalizing ）
  由于这里是归一化到0-1范围内，所以恢复出来的图片看起来都是黑的（注：0是黑,255是白），这里只是顺手实现下保存的方法。
  
• 为了方便之后一些机器学习的操作，有时需要将归一化后的数据保存下来，这里是写入了一个事先新建的txt文件中。由于文件较大，我用了Notepad ++打开，效果如下：
  
  此部分参考：
  https://www.cnblogs.com/vocaloid01/p/9514142.html

至此，已经完成上述所需操作。

在此过程中，有一些小的细节需要注意：
1.如果以上代码有幸被你复现，请注意安装相关第三方库，站在巨人的肩膀上做一个平平无奇调包小可爱；

2.我的路径及其文件夹如下图所示：

3.在更改为你的路径后，如果要加载某个文件夹内的图片，相对路径是这样的：./Pic_SameSize/ 最后那个/不可少，不能写成 ./Pic_SameSize 否则会报错；

4.本文的代码还不完善，如有错误之处欢迎留言，一起改正。

祝大家码得顺利！