該函數將源圖結合input_size，將其轉換成預投喂的方形圖像（作者默認544×544，中間為縮小尺寸的源圖，上下空區域為灰圖）

# D·C191107：圖像處理函數，參數分別為（輸入圖片，輸入方形框尺寸，還有個不管） def image_preporcess(image, target_size, gt_boxes=None):# D·C 191107：不懂為何轉換數據類型，節省存儲空間？一般默認float64image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB).astype(np.float32)ih, iw = target_sizeh, w, _ = image.shape# D·C 191107：取兩個值中較小的一個作為scalescale = min(iw / w, ih / h)# D·C 191108：不懂這步操作啥意思，從代碼上看就是創建一對與原圖等比縮小的子圖尺寸變量nw, nh = int(scale * w), int(scale * h)# D·C 191108：創建一個按比例變換后的圖片image_resized = cv2.resize(image, (nw, nh))# D·C 191108：創建一張iw×ih分辨率的圖片，以灰色填充（128 128 128）image_paded = np.full(shape=[ih, iw, 3], fill_value=128.0)# D·C 191108：創建步長變量？不太懂原理dw, dh = (iw - nw) // 2, (ih - nh) // 2# D·A 191108：打印幾個變量看看# print('(w,h):({},{})'.format(w, h))# print('(iw,ih):({},{})'.format(iw, ih))# print('(nw,nh):({},{})'.format(nw, nh))# print('(dw,dh):({},{})'.format(dw, dh))# (w, h): (1280, 720)# (iw, ih): (544, 544)# (nw, nh): (544, 306)# (dw, dh): (0, 119)# D·A 191108：打印對象類型看看：# print(type(image_resized))# <class 'numpy.ndarray'># print(type(image_paded))# <class 'numpy.ndarray'># D·A 191108：打印圖片形狀看看：# print(image_resized.shape)# (306, 544, 3)# print(image_paded.shape)# (544, 544, 3)# D·C 191108：從dh到nh + dh行，dw到nw + dw列，所有維（下標0-2），全部用image_resized的值替換# 用圖畫出來就是把等比例縮小后的圖片image_resized（544×306）置入544×544的image_paded中（沿水平中心線對稱）image_paded[dh:nh + dh, dw:nw + dw, :] = image_resized# D·C 191108：將數組轉換成0-1之間的小數表示：image_paded = image_paded / 255.# 打印image_paded看看，還是不看了，太多！# print(image_paded)if gt_boxes is None:return image_paded# D·C 191108：暫時不管它干嘛用的。else:gt_boxes[:, [0, 2]] = gt_boxes[:, [0, 2]] * scale + dwgt_boxes[:, [1, 3]] = gt_boxes[:, [1, 3]] * scale + dhreturn image_paded, gt_boxes

總結

以上是生活随笔為你收集整理的tensorflow-yolov3 yunyang1994 image_preporcess(image, target_size, gt_boxes=None)函数 image_preprocess的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。