图像补边不失真的resize

import cv2
import numpy as np
import torch
import torch.nn.functional as F
from PIL import Image
import copy
from nets.deeplabv3_plus import DeepLab
import colorsys
from matplotlib import pyplot as pltdef preprocess_input(image):image /= 255.0return image#---------------------------------------------------#
#   对输入图像进行resize
#---------------------------------------------------#def resize_image(image, size):iw, ih  = image.sizew, h    = sizescale   = min(w/iw, h/ih)nw      = int(iw*scale)nh      = int(ih*scale)image   = image.resize((nw,nh), Image.BICUBIC)new_image = Image.new('RGB', size, (128,128,128))new_image.paste(image, ((w-nw)//2, (h-nh)//2))return new_image, nw, nh#---------------------------------------------------------#
#   将图像转换成RGB图像，防止灰度图在预测时报错。
#   代码仅仅支持RGB图像的预测，所有其它类型的图像都会转化成RGB
#---------------------------------------------------------#
def cvtColor(image):if len(np.shape(image)) == 3 and np.shape(image)[2] == 3:return imageelse:image = image.convert('RGB')return image#---------------------------------------------------#
#   检测图片
#---------------------------------------------------#
def detect_image(image, count=False, name_classes=None):input_shape = [512, 512]# ---------------------------------------------------------##   在这里将图像转换成RGB图像，防止灰度图在预测时报错。#   代码仅仅支持RGB图像的预测，所有其它类型的图像都会转化成RGB# ---------------------------------------------------------#image = cvtColor(image)# ---------------------------------------------------##   对输入图像进行一个备份，后面用于绘图# ---------------------------------------------------#old_img = copy.deepcopy(image)  # 备份orininal_h = np.array(image).shape[0]  # 图片原始的horininal_w = np.array(image).shape[1]  # # 图片原始的w# ---------------------------------------------------------##   给图像增加灰条，实现不失真的resize#   也可以直接resize进行识别# ---------------------------------------------------------#image_data, nw, nh = resize_image(image, (input_shape[1], input_shape[0]))pr = np.array(image_data)pr = pr[int((input_shape[0] - nh) // 2): int((input_shape[0] - nh) // 2 + nh), \int((input_shape[1] - nw) // 2): int((input_shape[1] - nw) // 2 + nw)]# ---------------------------------------------------##   进行图片的resize# ---------------------------------------------------#pr = cv2.resize(pr, (orininal_w, orininal_h), interpolation=cv2.INTER_LINEAR)return old_img, image_data, pr, nw, nhif __name__ == '__main__':img = "F:/rock_project/deeplabv3-plus-pytorch-main/img/street.jpg"# img = "F:/rock_data/Mars_Rover/MarsRocks/MarsData/MarsRocks/JPEGImages/331_0331MR0013390000301024E01_DXXX.jpg"# img = "./VOCdevkit/VOC2007/JPEGImages/000005.jpg"img = Image.open(img)old_img,image_data,pr, nw, nh =  detect_image(img, count=False, name_classes=None)print("old_img,image_data:",old_img.size, image_data.size)plt.figure(figsize=(10, 10))plt.subplot(1, 3, 1)plt.imshow(old_img)plt.title("original ground")plt.subplot(1, 3, 2)plt.imshow(image_data)plt.title("RGB img")plt.subplot(1, 3, 3)plt.imshow(pr)plt.title("pr img")plt.show()

补边不失真的resize（2）相关推荐

opencv+resize+padding+concate
很多时候,我们不能简单地使用cv2.resize()来直接对图像的分辨率进行调节,为什么呢? 假设原始的分辨率是220*1000,也就是属于矮胖型,那么如果直接resize到1000*1200会怎样呢 ...
vector操作小结
前面了解了一下vector,现在我们来看看vector的相关操作. int main() {vector<int> v;//声明并指出向量,空的vector,但可以向里面增加元素vecto ...
Pytorch搭建Faster R-CNN目标检测平台
学习前言什么是FasterRCNN目标检测算法源码下载 Faster-RCNN实现思路一.预测部分 1.主干网络介绍 2.获得Proposal建议框 3.Proposal建议框的解码 4.对Pr ...
数据分析第二章numpy数值运算
import numpy as np 一.举例说明Numpy如何创建数组,访问数组,数组类型如何转换? 创建数组 array函数创建数组 array函数(),括号内的元素可以是,列表,元组,数组,迭代 ...
语义分割重制版1——Pytorch 搭建自己的Unet语义分割平台
转载:https://blog.csdn.net/weixin_44791964/article/details/108866828?spm=1001.2014.3001.5501 对应b站视频:ht ...
【个人记录 | UNet | 整理ing】
[代码] 霹雳吧啦WZ☆ Github地址. CSDN.bili主页.阿喆学习小记 [读后感] 对于网络中一些参数的设置及其设置原因解说的比较详细清晰:再自定义数据读取中,对如何读取每一个具体的文件也 ...
【DeeplabV3+ get_miou_png】DeeplabV3+获取数据集预测结果灰度图
文章目录 1 为什么有这么一篇文章 2 获取并保存数据集分割预测结果 3 deeplab.get_miou_png()函数代码解析 4 感谢链接 1 为什么有这么一篇文章其实之前有写过deeplab ...
目标检测(四)：SSD之Pytorch源码解读
读完 SSD 的论文内容能大致了解这一算法的核心思想和算法流程,但要将其应用到实际问题上还需要去读代码.论文给出的 SSD 源码是用 Caffe 框架实现的,但自己使用 Caffe 搭建 SSD 的环 ...
python数据分析学习day05:随机函数和常用函数
1. 随机函数 NumPy中也有自己的随机函数,包含在random模块中.它能产生特定分布的随机数,如正态分布等.接下来介绍一些常用的随机数. numpy.random.rand 返回 0 到 1 之 ...

补边不失真的resize（2）

图像补边不失真的resize

补边不失真的resize（2）相关推荐

最新文章

热门文章