在训练神经网络之前，我们往往需要对数据集进行批量处理。本文以图片为例，介绍如何使用python实现图片的批量处理，包括批量命名，批量更改图像像素，批量对图片进行Harris、Canny……
在此通过以下示例讲解图片遍历方法，并以shi-Tomasi角点检测算法为例，对图片进行批量处理。
（1）遍历某一文件夹下的所有图片，示例代码针对所有.jpg格式的图片；
（2）对所有图片均进行shi-Tomasi角点检测处理；
（3）将处理好后的每张图片保存至新的文件夹下。
import cv2
import numpy as np
import glob
import os
def Harris(img):
# 1 读取图像，并转换成灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 2角点检测——Shi-Tomasi
corners = cv2.goodFeaturesToTrack(gray,100,0.01,10)
corners = np.int0(corners)
print(len(corners))
for i in corners:
x, y = i.ravel()
cv2.circle(img, (x, y), 3, 255, -1)
return img
# 图片批量处理
def pichuli():
nums = 1
for files in glob.glob(r'C:\Users\********\*.jpg'):
img = cv2.imread(files)
# 输出路径
opfile = r'C:\Users\***********/'
# 判断opfile是否存在，不存在则创建
if (os.path.isdir(opfile) == False):
os.mkdir(opfile)
img = Harris(img)
image_path = opfile + '('+str(nums)+')'+'.jpg'
cv2.imwrite(image_path,img)
nums += 1
print('批处理结束')
if __name__ == '__main__':
pichuli()
# -*- coding: utf-8 -*-
'''
'''
import os
from PIL import Image
pic_dir = r"H:\新建文件夹"
for filename in os.listdir(path=pic_dir):
if filename.startswith("SAM"):
pic_path = os.path.join(pic_dir, filename)
print (pic_path)
img = Image.open(pic_path )
new_size = tuple( [ size//3 for size in img.size] ) # 高度、宽度均变为原来的1/3
new_img = img.resize( new_size)
new_name = os.path.join(pic_dir, "small_" + filename)
new_img.save(new_name )
