图像分类之花卉图像分类（二）数据预处理代码

最新推荐文章于 2025-03-10 17:38:51 发布

weixin_36309908

最新推荐文章于 2025-03-10 17:38:51 发布

阅读量3.7k

点赞数 1

分类专栏：图像分类文章标签：机器学习花卉分类图像分类预处理 CNN

本文链接：https://blog.youkuaiyun.com/weixin_36309908/article/details/90271940

版权

本文介绍花卉图像分类中的数据预处理环节，强调训练集和验证集图像需统一大小，通常为64x64像素。尽管更大尺寸可能提高识别率，但也会导致信息丢失。代码示例用于裁剪图像，并提示用户手动将裁剪后的图像按类别归档，以备后续训练使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

经过上一节数据增强，我们来说说数据预处理吧。首先我们要知道图片进入网络训练都是要统一大小格式的，所以我们需要对训练集和验证集的图片进行裁剪，让他们大小统一，注意测试集不用裁剪！！！我选择裁剪成了64*64的，没改源码的裁剪大小，其实图片大些识别率听说会高些，因为裁剪中会丢失一些信息。但是我没有试过，大家可以试试128*128的看看。下面是统一大小的代码：
记得修改成你自己的路径

# 将原始图片转换成需要的大小，并将其保存
# ========================================================================================
import os
import tensorflow as tf
from PIL import Image
import warnings
warnings.filterwarnings('ignore')
# 原始图片的存储位置
orig_picture = 'D:/flower_photos/train'

# 生成图片的存储位置
gen_picture = 'D