深度学习voc数据集图片resize

本人新写的3个pyhton脚本。

（1）单张图片的resize:

# coding = utf-8  
import Image  

def  convert(width,height):
    im = Image.open("C:\workspace\PythonLearn1\test.jpg")
    out = im.resize((width, height),Image.ANTIALIAS)
    out.save("C:\workspace\PythonLearn1\test.jpg")
if __name__ == '__main__':
    convert(256,256)

（2）resize整个文件夹里的图片：

# coding = utf-8
import Image
import os

def convert(dir,width,height):
    file_list = os.listdir(dir)
    print(file_list)
    for filename in file_list:
        path = ''
        path = dir+filename
        im = Image.open(path)
        out = im.resize((256,256),Image.ANTIALIAS)
        print "%s has been resized!"%filename
        out.save(path)
    
if __name__ == '__main__':
   dir = raw_input('please input the operate dir:')
   convert(dir,256,256)

注意点：服务器性能所限，要将500*500数据集resize到256*256。上面只是初步处理，实际上要训练出高质量的模型以上的方式并不严谨，应当按比例resize，这样的好处是图片不会变形。

(3)按比例resize

# coding = utf-8  
import Image  

def  convert(width,height):
    im = Image.open("C:\workspace\PythonLearn1\test_1.jpg")
    (x, y)= im.size
    x_s = width
    y_s = y * x_s / x
    out = im.resize((x_s, y_s), Image.ANTIALIAS)
    out.save("C:\workspace\PythonLearn1\test_1_out.jpg")
if __name__ == '__main__':
    convert(256,256)  

本来我的计划是按照比例resize图片，因为图片不可能正好是正方形的，所以想在不足256*256时用空白填充（这句话来自FCN的原文），后来有小伙伴说其实fcn可以接收任意尺寸大小的图片，用空白填充可能还会引入噪声，所以目前工作只做到这里。

关于python的图像处理库，PIL下面的链接给出了参考。在后续的制作数据集的过程中应该会有用武之地。

参考文章： http://blog.csdn.net/yupu56/article/details/50471119