pytorch中利用pillow批量修改数据集图片分辨率，并对分辨率较小的图片进行填充处理

承接上篇关于对数据集的处理，往往我们在收集图片数据时，其分辨率大小是不同的，而对于神经网络来说，最好训练集的图片能够是一致的分辨率，因此利用此代码可以批量处理图片的分辨率，将其统一为同一的分辨率，并且在此代码中还加入了对分辨率较小的图片进行填充至统一分辨率的功能，便于处理各种大小不同的分辨率的图片。代码如下，欢迎指教~

"""
Author:Keycle
Date:2020/11/09
将图片裁切至同一分辨率，如果有较小分辨率的图片，则用灰色背景填充至需要的分辨率
"""

# -*- coding: utf-8 -*-

from glob import glob
from PIL import Image
import os

black_file = 'F:/Machine Learning/dataset/background/gray.jpg'  # 填充的纯灰色背景图片地址（可以自己用画图工具做）（注意需要与填充的分辨率保持一致）
img_path = glob("F:/Machine Learning/dataset/testA/*.jpg")      # 原始图片地址
path_save = "F:/Machine Learning/dataset/resultA/"              # 处理后保存的图片地址
a = range(0, len(img_path))
i = 0
pad_width=256  # 需要填充的分辨率宽度
pad_height=256 # 需要填充的分辨率高度
for file in img_path:
    name = os.path.join(path_save, "%d.jpg"%a[i])
    im = Image.open(file)
    im_black = Image.open(black_file)
    im.thumbnail((256, 256))
    ori_width, ori_height = im.size
    if ori_width != pad_width or ori_height != pad_height:
        box_ori_full = (0, 0, ori_width, ori_height)
        region_ori = im.crop(box_ori_full)
        im_black.paste(region_ori, ((pad_width - ori_width) // 2, (pad_height - ori_height) // 2))
        im_black.save(name,'JPEG')
    else:
        im.save(name,'JPEG')
    i+=1

代码运行效果如下：
原图，分辨率为227X287

经过填充处理后：


最终得到了256X256分辨率的图片