博客
关于我
python代码——批量生成灰度图片
阅读量:688 次
发布时间:2019-03-17

本文共 991 字,大约阅读时间需要 3 分钟。

从以下代码可以看出,该脚本用于读取指定目录下的所有图片文件,并对每张图片进行灰度化处理后存储到输出目录中。

代码逻辑主要包含以下几个部分:

  • 导入所需的模块
  • 定义输入目录和输出目录
  • 读取输入目录下的所有图片文件
  • 对每张图片进行灰度化处理
  • 将处理后的图片保存到输出目录
  • 代码如下:

    from PIL import Imageimport osimport glob# 定义图片存储目录input_dir = 'J:/project/images/'# 定义输出存储目录output_dir = 'J:/project/output/'# 获取输入目录下的所有图片文件名all_images = glob.glob(input_dir + '*.jpg')# 存储图片文件名列表image_names = []# 遍历所有图片文件for image in all_images:    # 提取图片文件名(不包含路径和扩展名)    base_name = os.path.basename(image)    # 提取图片文件名(包含扩展名)    base_name_with_ext = os.path.splitext(image)[0]    image_names.append(base_name_with_ext)# 处理并存储每张图片for filename in os.listdir(input_dir):    print(filename)    # 打开图片文件    img = Image.open(input_dir + filename)    # 将图片转换为灰度格式    gray_img = img.convert('L')    # 保存处理后的图片到输出目录    gray_img.save(output_dir + filename)

    该脚本采用了以下技术手段:

    • 使用glob模块来获取指定目录下的所有图片文件
    • 使用os模块来处理文件路径和文件名
    • 使用PIL库来进行图片处理
    • 使用os.listdir()来遍历目录中的文件

    脚本功能包括:

    • 输入目录下的图片自动读取-图片自动灰度化处理
    • 处理后的图片自动存储到输出目录

    代码运行前,请确保以下条件:

  • 输入目录和输出目录都是存在的目录
  • 输入目录下有至少一张图片文件
  • 有权限读取和写入目标目录
  • 转载地址:http://fwdhz.baihongyu.com/

    你可能感兴趣的文章
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>
    nmap 使用方法详细介绍
    查看>>
    Nmap扫描教程之Nmap基础知识
    查看>>
    nmap指纹识别要点以及又快又准之方法
    查看>>
    Nmap渗透测试指南之指纹识别与探测、伺机而动
    查看>>
    Nmap端口扫描工具Windows安装和命令大全(非常详细)零基础入门到精通,收藏这篇就够了
    查看>>
    NMAP网络扫描工具的安装与使用
    查看>>
    NMF(非负矩阵分解)
    查看>>
    nmon_x86_64_centos7工具如何使用
    查看>>
    NN&DL4.1 Deep L-layer neural network简介
    查看>>
    NN&DL4.3 Getting your matrix dimensions right
    查看>>