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