IMG = 'C:\\Users\\Ilearn\\Desktop\\temp\\300015.JPG' # 图片地址
im = img.open(IMG) # 用PIL打开一个图片
box = (3360, 1959, 3664, 2193) # box代表需要剪切图片的位置格式为:xmin ymin xmax ymax
ng = im.crop(box) # 对im进行裁剪 保存为ng(这里im保持不变)
ng = ng.rotate(20) # ng为裁剪出来的图片,进行向左旋转20度 向右为负数
ng.save('C:\\Users\\Ilearn\\Desktop\\temp\\copy.JPG')
im.paste(ng, (3664 + 50, 2193 + 50)) # 将ng复制到im上,放入的位置为(3664 + 50, 2193 + 50)
im.save('C:\\Users\\Ilearn\\Desktop\\temp\\transform.JPG') # 保存变化后的图片
该图片为裁剪出来的图片
该图片为裁剪之后旋转的图片(其他地方为黑色,这点我还没解决,但是不影响)
裁剪之后合并,就是上图的样子了 虽然有点草率,但是目的达到了
目的:截取左面均压环,并且对截取的区域进行旋转和复制 进行数据增强import PIL.Image as imgimport osIMG = 'C:\\Users\\Ilearn\\Desktop\\temp\\300015.JPG' # 图片地址im = img.open(IMG) # 用PIL打开一个图片box = (3360, 1959, 3664, 2193) #...
在做分类任务时,
图片
如果有出现损坏或者像素太小等问题,可能会造成在训练时报错,所以在训练模型之前要先保证所有
图片
都是可读的。
form PIL import Image
import os
import shutil
input_dir = 'inuput_dir'
target_dir = 'taret_dir'
pathDir = os.listdir(input_dir)
for di...
IMG = '...' #
图片
地址
im = img.open(IMG) # 用PIL打开一个
图片
box = (3360, 1959, 3664, 2193) # box代表需要剪切
图片
的位置格式为:xmin ymin xmax ymax
ng = im.crop(box) # 对im进行裁剪 保存为ng(这里im保持不变)
ng = ng.rotate(20) # ng为裁剪出来的
图片
,进行向左
旋转
20度 向右为负...
./darknet detector valid cfg/voc.data cfg/yolo-voc.cfg backup/yolo-voc_final.weights
tip:在后面加入-thresh 0.25可以设置显示置信度的大小
在result文件夹下会生成以类别命名的txt文档,如下,在这里我一共就三个类别:smok.
你可以使用OpenCV库
中
的函数cv2.imread()读取
图片
,然后使用Numpy数组切片的方式
截取
图片
的
一部分
。具体步骤如下:
1. 导入OpenCV库和Numpy库
```
python
import cv2
import numpy as np
2. 使用cv2.imread()函数读取
图片
```
python
img = cv2.imread('image.jpg')
3. 使用Numpy数组切片的方式
截取
图片
的
一部分
```
python
# 从左上角
截取
100x100的区域
roi = img[0:100, 0:100]
其
中
,img[0:100, 0:100]表示
截取
从第0行到第99行,从第0列到第99列的区域。你可以根据需要修改这个区域的大小和位置。
4. 显示
截取
后的
图片
```
python
cv2.imshow('ROI', roi)
cv2.waitKey(0)
cv2.destroyAllWindows()
这样就可以
截取
图片
的
一部分
了。
pip 安装 pyqt5 失败Could not find a version that satisfies the requirement PyQt5 (from versions: ) No ma
22494
pip 安装 pyqt5 失败Could not find a version that satisfies the requirement PyQt5 (from versions: ) No ma
BK谭睿:
NEUQ OJ 1233: 幸运儿
m0_74346087:
Faster Rcnn 代码解读之 voc_eval.py
DreamGirl_: