OCR方向分类模型预处理的一种想法

最新推荐文章于 2023-08-31 16:44:00 发布

Even丶666

最新推荐文章于 2023-08-31 16:44:00 发布

阅读量200

点赞数

分类专栏：工作记录文章标签： python ocr

本文链接：https://blog.youkuaiyun.com/m0_45868903/article/details/120328160

版权

工作记录专栏收录该内容

8 篇文章

订阅专栏

该博客介绍了一种图片预处理方法，以防止resize操作引起的图像模糊。通过计算比例ratio并根据图片宽高比决定是否截断或复制图片，确保在resize到固定尺寸48192时保持图像清晰。代码示例展示了如何实现这一过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

接上一条博客，由于不同尺寸图片resize操作后可能会有不均匀拉伸，导致原始图片变模糊。本人拟采用如下操作：

每张图片都要resize为48192的图片，先计算ratio=192//48
假设输入图片高为H，宽为W，当Hratio<W时，对图片进行截断操作；当H*ratio>W时，最原始图片进行复制后截断，如下图所示，
在这里插入图片描述
上代码：

import os
import cv2
import numpy as np
import argparse

def process(input_dir, out_dir):
    for filename in os.listdir(input_dir):
        file, suffix = os.path.splitext(filename)
        if suffix.lower() not in [".jpg", ".jpeg", ".png"]:
            continue
        old_path = os.path.join(input_dir, filename)
        img = cv2.imread(old_path)
        img_H, img_W, img_C = img.shape
        W = img_W
        ratio = 192 // 48
        if img_H * ratio > img_W:
            count = 1
            while img_H * ratio > W:
                W *= 2
                count += 1
            im_padding = np.zeros((img_H, W , img_C), dtype=np.float32)
            for i in range(count):
                im_padding[:, img_W*(i):img_W*(i+1), :] = img
            H, W, C = im_padding.shape
            if H * ratio == W:
                im_padding = im_padding
            elif H * ratio < W:
                im_padding = im_padding[:, 0:H*ratio, :]
            else:
                print("error")
        elif img_H * ratio == img_W:
            im_padding = img
        else:
            im_padding = img[:, 0:img_H*ratio, :] 
        new_path = os.path.join(out_dir, filename)
        resize_img = cv2.resize(im_padding, (192, 48))
        print(resize_img.shape)
        cv2.imwrite(new_path, resize_img)


def get_args():
    parser = argparse.ArgumentParser()
    parser.add_argument('--input_dir', default='/data_sata/data_sy/train/')
    parser.add_argument('--out_dir', default='../paddleocr/PaddleOCR/train_data/cls/train_c/')
    return parser.parse_args()


def main(args):
    if not os.path.isdir(args.out_dir):
        os.makedirs(args.out_dir)
    process(args.input_dir, args.out_dir)


if __name__ == "__main__":
    main(get_args())