我使用以下步骤使用OpenCV预处理单个图像。现在,我想在Pytorch中训练模型之前,将这些预处理步骤应用于我的整个数据集。如何做到这一点
im = cv2.imread(image_path)
im_nonoise = cv2.medianBlur(im, 3)
imgray = cv2.cvtColor(im_nonoise,cv2.COLOR_BGR2GRAY)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(imgray)
ret,thresh = cv2.threshold(cl1,110,255,0)
image, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
img = cv2.drawContours(image, contours, -1, (250,100,120))
我使用
data = datasets.ImageFolder(train_dir,transform=transform)
train_loader = torch.utils.data.DataLoader(data,batch_size=batch_size,sampler=train_sampler)
您可以构建自己的dataset类(从
ImageFolder
派生)并仅重载__getitem__
方法:拥有此数据集后,可以将其与基本pytorch的
DataLoader
一起使用:相关问题 更多 >
编程相关推荐