Python批量检查图像可用性的完整方案
本文介绍如何使用Python脚本批量检查数据集中的图像可用性。通过多进程技术遍历文件夹,对每张图片进行读取、尺寸校验及JPEG完整性检测,自动识别并删除过小、无法打开或文件截断的错误图像,确保模型训练数据的质量。
图像不可用的常见类型
数据集中常见的图像不可用情况主要涉及以下三个方面:
1. 图像尺寸过小
2. 图像文件无法打开
3. 出现“Premature end of JPEG file”(JPEG文件提前结束)错误
多进程检查的必要性
这些存在问题的图像可能导致模型训练出现异常,因此,使用多进程技术检查数据集中的每张图像是非常必要的。
图像检查处理逻辑
具体处理逻辑如下:
- 遍历文件夹,利用多进程处理每一张图像
- 判断图像是否可读,是否支持resize尺寸,边长是否满足要求
- 判断JPG图像是否存在Premature end(文件提前结束)问题
- 删除所有被判定为错误的图像
Python批量检查脚本实现
实现脚本如下:
#!/usr/bin/env python
# -- coding: utf-8 --
"""
Copyright (c) 2020. All rights reserved.
Created by C. L. Wang on 10.11.20
"""
import argparse
import os
from multiprocessing import Pool
import cv2
def traverse_dir_files(root_dir, ext=None):
"""
列出文件夹中的文件, 深度遍历
:param root_dir: 根目录
:param ext: 后缀名
:return: [文件路径列表, 文件名称列表]
"""
names_list = []
paths_list = []
for parent, _, fileNames in os.walk(root_dir):
for name in fileNames:
if name.startswith('.'): # 去除隐藏文件
continue
if ext: # 根据后缀名搜索
if name.endswith(tuple(ext)):
names_list.append(name)
paths_list.append(os.path.join(parent, name))
else:
names_list.append(name)
paths_list.append(os.path.join(parent, name))
return paths_list, names_list
def check_img(path, size):
"""
检查图像
"""
is_good = True
try:
img_bgr = cv2.imread(path)
h, w, _ = img_bgr.shape
if h < size or w < size:
is_good = False
_ = cv2.resize(img_bgr, (size, size))
except Exception as e:
is_good = False
if path.endswith("jpg"):
with open(path, 'rb') as f:
check_chars = f.read()[-2:]
if check_chars != b'\xff\xd9':
print('[Info] Not complete jpg image')
is_good = False
if not is_good:
print('[Info] error path: {}'.format(path))
os.remove(path)
def check_error(img_dir, n_prc, size):
"""
检查错误图像的数量
"""
print('[Info] 处理文件夹路径: {}'.format(img_dir))
paths_list, names_list = traverse_dir_files(img_dir)
print('[Info] 数据总量: {}'.format(len(paths_list)))
pool = Pool(processes=n_prc) # 多线程下载
for idx, path in enumerate(paths_list):
pool.apply_async(check_img, (path, size))
if (idx+1) % 1000 == 0:
print('[Info] idx: {}'.format(idx+1))
pool.close()
pool.join()
print('[Info] 数据处理完成: {}'.format(img_dir))
def parse_args():
"""
处理脚本参数,支持相对路径
:return: in_folder 输入文件夹, size 尺寸, n_prc 进程数
"""
parser = argparse.ArgumentParser(description='检查图片脚本')
parser.add_argument('-i', dest='in_folder', required=True, help='输入文件夹', type=str)
parser.add_argument('-p', dest='n_prc', required=False, default=100, help='进程数', type=str)
parser.add_argument('-s', dest='size', required=False, default=50, help='最小边长', type=str)
args = parser.parse_args()
in_folder = args.in_folder
size = int(args.size)
n_prc = int(args.n_prc)
print("[Info] 文件路径:{}".format(in_folder))
print("[Info] 进程数: {}".format(n_prc))
print("[Info] 边长: {}".format(size))
return in_folder, n_prc, size
def main():
arg_in, n_prc, size = parse_args()
check_error(arg_in, n_prc, size)
if __name__ == '__main__':
main()
关于Python如何批量检查图像可用性的内容介绍到此结束,更多相关Python检查图像的内容请搜索本站以前的文章或继续浏览下面的相关文章,希望大家以后多多支持本站!
免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。









