人脸检测——准备非人脸

简单粗暴,不多说,直接代码吧:

import os  
import random  
from PIL import Image  
from PIL import ImageFile  
ImageFile.LOAD_TRUNCATED_IMAGES = True  
import cv2  
import numpy as np  
  
  
def random_crop(imagepath):  
  
    # image = Image.open(imagepath)  
    # len_rand = random.randint(0, min(image.size[0], image.size[1])-1)  
    # x_rand = random.randint(0, image.size[0]-len_rand-1)  
    # y_rand = random.randint(0, image.size[1]-len_rand-1)  
      
    image = cv2.imread(imagepath)  
    len_rand = random.randint(0, min(image.shape[1], image.shape[0])-1)  
    x_rand = random.randint(0, image.shape[1]-len_rand-1)  
    y_rand = random.randint(0, image.shape[0]-len_rand-1)  
  
    box = (x_rand, y_rand, x_rand+len_rand, y_rand+len_rand)  
    # return image.crop(box)  
    return image[box[1]:box[3], box[0]:box[2], :]  
  
  
save_dir = 'data_prepare/net_negative'  
  
if os.path.exists(save_dir)==False:  
    os.makedirs(save_dir)  
  
neg_img_dir = 'imagenet_selected'  
for file in os.walk(neg_img_dir):  
    filenames = file[2]  
  
for idx, filename in enumerate(filenames):  
  
    filepath = neg_img_dir + '/' + filename  
  
    for i in range(33):  
  
        image_crop = random_crop(filepath)  
  
        savepath = save_dir + '/' + str(i) + filename  
  
        # image_crop_12 = image_crop.resize((15,15))  
        if image_crop is None:  
            continue  
        if image_crop.shape[0]<10 and image_crop.shape[1]<10:  
            continue  
        image_crop = cv2.resize(image_crop, (12, 12))    
  
        # image_crop_12.save(savepath, 'jpeg')  
        cv2.imwrite(savepath, np.array(image_crop))  
  
    print (idx)  
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,723评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,080评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,604评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,440评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,431评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,499评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,893评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,541评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,751评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,547评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,619评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,320评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,890评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,896评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,137评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,796评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,335评论 2 342

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 171,368评论 25 707
  • 太阳奋力的从云彩里挤出身体 将柔和的晨曦洒向大地 你抱着被子躲在窗后不肯早起 蜷缩成一堆的身体像只慵懒的猫咪 一转...
    素白林阅读 255评论 16 11
  • “出土的东西,往往被人看的很晦气,你倒不怕。”老人浑浊的眼睛盯着我,“这两根簪虽然不是出土,但那些女人都是戴着它们...
    史文泓阅读 615评论 1 9