将图片批量切割为512*512像素

 一、背景

        在计算机视觉中，经常需要将图片作为输入模型的数据。由于很多图像数据是比较大的，如果直接输入模型，会对计算机的要求很高，所以我们经常将尺寸较大的图片裁剪为小图片，以便能够更好的训练我们的模型。

 二、本文会分享：

       ①如何将某一文件夹下的所有图片分割为特定大小的很多个图块；

       ②可选择性的设置两相邻小图块之间的重叠率。

三、示例数据

        本文采用的示例数据为ISPRS Potsdam 2D Segmentation数据集的标签数据（如果要替换为自己的数据，在代码中替换文件路径即可）。原始数据大小为6000*6000，我们要将其划分为很多个512*512的小图块，对于边缘位置不够512的行和列，以倒数512形成裁剪区域，示例：

 四、明确任务之后，上代码！

       有需要的小伙伴，请注意看注释哦！

import cv2
import os
import math
import shutil
#根据任务要求，定义一个caijian函数
def caijian(path, path_out, size_w=512, size_h=512, step=256): #step为步长，设置为256即相邻图片重叠50%
    ims_list=os.listdir(path) #在此例中调用时，ims_list为['image.png', 'label.png']
    
    for im_list in ims_list:
        number = 0
        name = im_list[:-4]  #去除“.png”后缀
        img = cv2.imread(path+im_list)#读取要切割的图片
        size = img.shape
        i=0
        for h in range(0,size[0],step):
            star_h = h #star_h表示起始高度，从0以步长step=256开始循环
            for w in range(0,size[1],step):
                star_w = w #star_w表示起始宽度，从0以步长step=256开始循环
                end_h = star_h + size_h #end_h是终止高度
                
                if end_h > size[0]:#如果边缘位置不够512的列
                    # 以倒数512形成裁剪区域
                    star_h = size[0] - size_h
                    end_h = star_h + size_h
                    i=i-1                   
                end_w = star_w + size_w #end_w是中止宽度
                if end_w > size[1]:#如果边缘位置不够512的行
                    # 以倒数512形成裁剪区域
                    star_w = size[1] - size_w
                    end_w = star_w + size_w
                    i=i-1
                
                cropped = img[star_h:end_h, star_w:end_w]#执行裁剪操作                
                i=i+1
                name_img = name + '_'+ str(star_h) +'_' + str(star_w)#用起始坐标来命名切割得到的图像，为的是方便后续标签数据抓取
#                 name_img = name + str(i)
                cv2.imwrite('{}/{}.png'.format(path_out,name_img),cropped)#将切割得到的小图片存在path_out路径下
    print("已成功执行！")
#将完整的图像划分为小块
if __name__ == '__main__':
    ims_path = 'F:/Practice/test_02/Potsdam/image/'# 图像数据集的路径
    #在result文件夹下，创建一个label_s文件夹，用于存放label切割的结果
    path= 'F:/Practice/test_02//images'#切割得到的数据集存放路径，当caijian函数执行后label_s文件夹下，存放的是image和label切割的结果
    if not os.path.exists(path):
        os.makedirs(path)
    caijian(ims_path, path, size_w=512, size_h=512, step=256)#调用caijian函数，如果相邻图片不想有重叠部分，则将step设置为512，即与裁剪的尺寸一致