一个 Pillow 实现的图像填充函数

Pillow，即PIL，Python Imaging Library，中文是“枕头”。Pillow是Python平台中图像处理的标准库，功能非常强大，API简单易用。

本文分享一个Pillow实现的图像填充函数pad_image，用于预处理图像数据集。在目标检测算法中，需要把输入图像，转换为，模型所需尺寸的图像，同时，保持比例不变，其余部分用灰色填充。

函数的具体实现，如下：

计算图像缩放之后的宽高，等比例缩小或扩大；
调用resize()，改变图像的尺寸；
新建new()目标尺寸target_size的图像；
调用paste()贴图，将缩放后的原始图像，放入目标图像中。

实现如下：

def pad_image(image, target_size):
    iw, ih = image.size  # 原始图像的尺寸
    w, h = target_size  # 目标图像的尺寸
    scale = min(float(w) / float(iw), float(h) / float(ih))  # 转换的最小比例

    # 保证长或宽，至少一个符合目标图像的尺寸
    nw = int(iw * scale)
    nh = int(ih * scale)

    image = image.resize((nw, nh), Image.BICUBIC)  # 缩小图像
    # image.show()
    new_image = Image.new('RGB', target_size, (128, 128, 128))  # 生成灰色图像
    # // 为整数除法，计算图像的位置
    new_image.paste(image, ((w - nw) // 2, (h - nh) // 2))  # 将图像填充为中间图像，两侧为灰色的样式
    # new_image.show()

    return new_image

测试：

def main():
    img_path = 'xxxx.jpg'
    image = Image.open(img_path)
    size = (416, 416)
    pad_image(image, size)  # 填充图像

if __name__ == '__main__':
    main()

原图：

修改：

OpenCV版本

def preprocess_image(fn_img):
    img = cv2.imread(fn_img)
    h, w, _ = img.shape
    m = h if h > w else w
    r = m / 256
    h_ = int(h / r)
    w_ = int(w / r)
    img = cv2.resize(img, (w_, h_))

    offset_w = int((256 - w_) / 2)
    offset_h = int((256 - h_) / 2)
    img_bkg = np.ones((256, 256, 3)) * 255
    img_bkg = img_bkg.astype(int)
    img_bkg[offset_h:256 - offset_h, offset_w:256 - offset_w] = img

    return img_bkg

OK, that's all! Enjoy it!

更多算法技巧，关注微信公众号：深度算法（ID: DeepAlgorithm）