裁剪好的数据，在评估之前拼回去(暴力拼接)

最新推荐文章于 2025-06-07 11:59:33 发布

Chastitykeeper

最新推荐文章于 2025-06-07 11:59:33 发布

阅读量120

点赞数

文章标签： python 图像处理深度学习分类

本文链接：https://blog.youkuaiyun.com/qq_41246131/article/details/133962792

版权

本文介绍了使用Python的numpy和OpenCV库对大图像进行拆分，然后将部分图像按行或列拼接，最终重新组合成完整图像的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

因为原图太大，拆了9份，推断的结果先拼回去再评估

import numpy as np
import cv2 as cv
test_list_path=r"C:\infer_test_list.txt"
fname_list=[]
#test_inferred_path=
ori_path="C:/inferred/"
dst_path="C:/inferred_jointed/"

with open(test_list_path,'r') as f:
    lines = f.readlines()
    for line in lines:
        fname_list.append(ori_path+line.strip('\n'))
#print(fname_list)
print(len(fname_list))
for a in fname_list:
    r0_c0=a+"_0_0.png.png"
    r0_c1=a+"_0_1.png.png"
    r0_c2=a+"_0_2.png.png"
    r1_c0=a+"_1_0.png.png"
    r1_c1=a+"_1_1.png.png"
    r1_c2=a+"_1_2.png.png"
    r2_c0=a+"_2_0.png.png"
    r2_c1=a+"_2_1.png.png"
    r2_c2=a+"_2_2.png.png"
    r0_c0_arr=cv.imread(r0_c0,cv.IMREAD_GRAYSCALE)
    r0_c1_arr=cv.imread(r0_c1,cv.IMREAD_GRAYSCALE)
    r0_c2_arr=cv.imread(r0_c2,cv.IMREAD_GRAYSCALE)
    r1_c0_arr=cv.imread(r1_c0,cv.IMREAD_GRAYSCALE)
    r1_c1_arr=cv.imread(r1_c1,cv.IMREAD_GRAYSCALE)
    r1_c2_arr=cv.imread(r1_c2,cv.IMREAD_GRAYSCALE)
    r2_c0_arr=cv.imread(r2_c0,cv.IMREAD_GRAYSCALE)
    r2_c1_arr=cv.imread(r2_c1,cv.IMREAD_GRAYSCALE)
    r2_c2_arr=cv.imread(r2_c2,cv.IMREAD_GRAYSCALE)
    r0_arr=np.concatenate((r0_c0_arr,r0_c1_arr,r0_c2_arr),axis=1)
    r1_arr = np.concatenate((r1_c0_arr, r1_c1_arr, r1_c2_arr), axis=1)
    r2_arr = np.concatenate((r2_c0_arr, r2_c1_arr, r2_c2_arr), axis=1)
    arr_1536=np.concatenate(( r0_arr,r1_arr,r2_arr), axis=0)
    out_pathname=a.replace("inferred","inferred_jointed")+".png"
    print(out_pathname)
    cv.imwrite(out_pathname,arr_1536)