用python扩增文件夹下所有图片并保存

深度学习图像增强

不废话直接上代码

下面展示一些 内联代码片。

from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img
import tensorflow as tf
import numpy as np
import glob
import os

Big_path = r"D:\ML\images\leaf_enhance\leaf_image_0"  # 原始图片大文件夹路径
Save_path = r"D:\ML\images\leaf_enhance\leaf_image" # 增强图片保存文件夹
generate_num = 25 #单张图片生成新图片的次数
IMAGE_SIZE = (150, 150) # 目标图片保存像素


datagen = ImageDataGenerator(
        rotation_range=40,
        width_shift_range=0.2,
        height_shift_range=0.2,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True,
        fill_mode='nearest')

name_classes = os.listdir(Big_path)
dir_path = glob.glob(os.path.join(Big_path, '*'))  # 存放图片的文件夹路径
dir_path.sort()


for i in range(len(dir_path)):

    print(dir_path[i],'---', name_classes[i])

    os.makedirs(Save_path + '/' + name_classes[i])
    save_path =  Save_path + '/' + name_classes[i]  # 一类增强图片的保存路径

    paths = glob.glob(os.path.join(dir_path[i], '*.jpg'))
    paths.sort()


    num = 0
    for image_path in paths:

        num += 1
        img = load_img(image_path)  # 这是一个PIL图像
        x = np.array(img)  # 把PIL图像转换成一个numpy数组，形状为(3, 150, 150)
        x = tf.image.resize(x,IMAGE_SIZE)
        x = tf.expand_dims(x,0)

        # 下面是生产图片的代码
        # 生产的所有图片保存在 `preview/` 目录下

        i = 0
        for batch in datagen.flow(x, batch_size=1,
                                  save_to_dir=save_path, save_format='jpg'):
            i += 1
            if i > generate_num:
                break  # 否则生成器会退出循环

用这段代码可以将一个文件夹下所有图片增强后保存到指定目录，并且保证小目录名不变，应用于小数据集扩增