python opencv 批量改变图片的尺寸大小的方法

在Python编程环境中，OpenCV库是一个强大的图像处理和计算机视觉工具。本文主要讲解如何使用OpenCV批量更改图片的尺寸大小。这个过程对于处理大量图片，如图像数据预处理，尤其有用。以下是一些关键知识点： 1. **OpenCV的导入**： 我们需要导入`cv2`模块，它是OpenCV的Python接口，提供了大量的图像处理功能。 ```python import cv2 ``` 2. **调整图片尺寸**： OpenCV提供了`resize()`函数，用于调整图像的大小。但是，在某些情况下，我们可能需要保持图片的纵横比，因此需要先进行适当的填充（padding）。`resize_image()`函数实现了这一功能，它首先检查图片的长宽，然后根据最长边决定需要添加的padding。使用`copyMakeBorder()`函数添加padding，并设置边缘颜色（默认为黑色）。调用`resize()`函数将图片调整到指定的宽度和高度。 ```python def resize_image(image, height, width): # ...计算padding... # 使用copyMakeBorder添加padding constant = cv2.copyMakeBorder(image, top, bottom, left, right, cv2.BORDER_CONSTANT, value=BLACK) # 调整图像大小 return cv2.resize(constant, (height, width)) ``` 3. **遍历目录和读取图片**： `read__image()`函数遍历指定路径下的所有文件和子目录。`os.listdir()`用于获取目录中的所有文件名，`os.path.abspath()`和`os.path.join()`用于构建完整路径。如果路径是文件夹，函数会递归调用自身；如果是图片文件（例如，以`.JPG`结尾），则读取图片，调用`resize_image()`函数改变尺寸，并使用`imwrite()`保存调整后的图片。 ```python def read__image(path_name): # ...遍历文件夹和图片... image = cv2.imread(full_path) image = resize_image(image) # 保存调整尺寸后的图片 cv2.imwrite(image_name, image) ``` 4. **主函数**： 主函数`if __name__ == '__main__':`确保`read__image()`函数只在当前脚本运行时执行，而不是作为模块导入时执行。 ```python if __name__ == '__main__': read__image('C:/Users/baideguo/dataset/JPEGImages/') ``` 5. **边界类型和填充**： 在`copyMakeBorder()`函数中，`cv2.BORDER_CONSTANT`是边界类型之一，表示使用常数值（在这里是黑色）填充边界。还有其他边界类型，如`cv2.BORDER_REPLICATE`（复制边界像素），`cv2.BORDER_WRAP`（环绕模式）等，可以根据需求选择。 6. **文件命名**： 在保存调整尺寸后的图片时，使用`'%s%d.jpg' % ('resize_image', num)`创建新的文件名，确保每张图片都有唯一的名称，以防止覆盖原文件。 通过上述方法，我们可以有效地利用OpenCV和Python批量处理图片，改变它们的尺寸，这对于图像处理项目，特别是机器学习和深度学习中的数据预处理，是非常实用的。这个过程不仅可以优化存储空间，还可以提高后续处理的速度，因为较小尺寸的图片通常需要更少的计算资源。