我在用tensorflow训练模型的时候,发现一个问题,由于训练的图片分辨率是固定的,但是我把训练好的模型拿来使用的时候,往往需要用来分类的图片分辨率不是我训练的分辨率。所以这个时候需要使用pnencv的resize来把图片重新缩放成模型的分辨率。
picpath = 'C:/Users/shenwei/Desktop/test/tt/0.png'
picsavepath = 'C:/Users/shenwei/Desktop/test/tt/12.png'
image = cv.imread(picpath,0)
cv.imshow("111",image)
cv.waitKey(0)
image = cv.resize(image,(28,28),interpolation = cv.INTER_NEAREST)
image = 255 - image
ret,im_fixed=cv.threshold(image,100,255,cv.THRESH_BINARY)
cv.imshow("111",im_fixed)
cv.imwrite(picsavepath,im_fixed)
cv.waitKey(0)
缩放前的图像:
缩放后的图片是分辨率为28*28
这里做了一下处理,把黑白图像进行了颠倒,另外通过cv.threshold函数对灰度图像进行二值化处理。
使得图片的黑白更加分明
参考下面博客:
https://blog.csdn.net/JNingWei/article/details/78218837
https://blog.csdn.net/yawdd/article/details/80180848
*******************增加一个批处理的例子**************
import cv2 as cv
import os
picpath = 'C:/Users/shenwei/Desktop/videoquality/black/'
picsavepath = 'C:/Users/shenwei/Desktop/videoquality/blackstandard/'
for root, dirs, files in os.walk(picpath):
i =0
for file in files:
i = i+1
picpp = root +file
image = cv.imread(picpp)
image = cv.resize(image,(480,270),interpolation = cv.INTER_NEAREST)
newpath = picsavepath+'%d.jpg' % i
cv.imwrite(newpath,image)
print(newpath)