博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
【python学习笔记】读取指定文件夹中的图片,结合边缘保留滤波EPF
阅读量:2134 次
发布时间:2019-04-30

本文共 1234 字,大约阅读时间需要 4 分钟。

# -*- coding: utf-8 -*-# @Time    : 2020/11/4 15:01# @Author  : Murphy# @Email   : Murphy.AI@foxmail.com'''图像预处理:边缘保留滤波EPF'''import cv2import osimport globdef bi_demo(image):  # 双边滤波函数    dst = cv2.bilateralFilter(image, 0, 100, 5)    return dstdirectory_name = ['D:/source code/CVPR19/models/pic_sup/output_calling',                  'D:/source code/CVPR19/models/pic_sup/output_normal',                  'D:/source code/CVPR19/models/pic_sup/output_sc',                  'D:/source code/CVPR19/models/pic_sup/output_smoking'] # 使用列表保存多个文件夹的绝对路径,也可换为相对路径slice_dir = ['calling_supE/', 'normal_supE/', 'SC_supE/', 'smoking_supE/'] # 这是结果保存文件夹for i in range(4): # 4是表示源文件夹的个数    for filename in os.listdir(directory_name[i]): # 开始遍历文件夹中的图片        # print(filename)  # just for test         img_path = os.path.join(directory_name[i], filename) # 合并文件路径        src = cv2.imread(img_path) # 读取图片文件        img = cv2.resize(src, None, fx=0.8, fy=0.8, interpolation=cv2.INTER_CUBIC) # resize操作        img1 = bi_demo(img) # 调用双边滤波函数进行边缘保留滤波        name = filename[:-4] # 对文件名进行切片,对滤波后的文件进行重命名        imgpath = '{}E.jpg'.format(name)        path = os.path.join('./pic_sup/' + slice_dir[i], imgpath)        cv2.imwrite(path, img1) # 将结果图片写入响应的路径

转载地址:http://ebugf.baihongyu.com/

你可能感兴趣的文章
【LEETCODE】67-Add Binary
查看>>
【LEETCODE】7-Reverse Integer
查看>>
【LEETCODE】165-Compare Version Numbers
查看>>
【LEETCODE】299-Bulls and Cows
查看>>
【LEETCODE】223-Rectangle Area
查看>>
【LEETCODE】12-Integer to Roman
查看>>
【学习方法】如何分析源代码
查看>>
【LEETCODE】61- Rotate List [Python]
查看>>
【LEETCODE】143- Reorder List [Python]
查看>>
【LEETCODE】82- Remove Duplicates from Sorted List II [Python]
查看>>
【LEETCODE】86- Partition List [Python]
查看>>
【LEETCODE】147- Insertion Sort List [Python]
查看>>
【算法】- 动态规划的编织艺术
查看>>
用 TensorFlow 让你的机器人唱首原创给你听
查看>>
对比学习用 Keras 搭建 CNN RNN 等常用神经网络
查看>>
深度学习的主要应用举例
查看>>
word2vec 模型思想和代码实现
查看>>
怎样做情感分析
查看>>
用深度神经网络处理NER命名实体识别问题
查看>>
用 RNN 训练语言模型生成文本
查看>>