訓練keras時遇到了一個問題，就是內(nèi)存不足，將 .fit 改成 .fit_generator以后還是放不下一張圖（我的圖片是8192×8192的大圖==64M）。于是解決方法是將大圖切成小圖，把小圖扔去訓練，跑出來的圖再拼成一個大圖

實驗發(fā)現(xiàn)我的keras（win10 - 16G內(nèi)存）只放得下最多4副小圖（2048×2048×4==16M），

再多就會報錯exit ：

Allocation of 4831838208 exceeds 10% of system memory.

原因大概是除了numpy本身要存這些圖，keras訓練中也會對應(yīng)有額外的消耗

一、大圖切片成小圖

’’’讀入一個圖片0.bmp，切成指定數(shù)目個小圖片(16個)文件夾名out’’’from PIL import Imageimport sys,oscut_num = 4 # 4*4=16個圖片#將圖片填充為正方形def fill_image(image): width, height = image.size #選取長和寬中較大值作為新圖片的 new_image_length = width if width > height else height #生成新圖片[白底] #new_image = Image.new(image.mode, (new_image_length, new_image_length), color=’white’) new_image = Image.new(image.mode, (new_image_length, new_image_length)) #將之前的圖粘貼在新圖上，居中 if width > height:#原圖寬大于高，則填充圖片的豎直維度 #(x,y)二元組表示粘貼上圖相對下圖的起始位置 new_image.paste(image, (0, int((new_image_length - height) / 2))) else: new_image.paste(image, (int((new_image_length - width) / 2),0)) return new_image#切圖def cut_image(image): width, height = image.size item_width = int(width / cut_num) box_list = [] # (left, upper, right, lower) for i in range(0,cut_num):#兩重循環(huán)，生成圖片基于原圖的位置 for j in range(0,cut_num): #print((i*item_width,j*item_width,(i+1)*item_width,(j+1)*item_width)) box = (j*item_width,i*item_width,(j+1)*item_width,(i+1)*item_width) box_list.append(box) image_list = [image.crop(box) for box in box_list] return image_list#保存def save_images(image_list): index = 1 for image in image_list: image.save(’out/’+str(index) + ’.bmp’, ’BMP’) index += 1if __name__ == ’__main__’: file_path = '0.bmp' os.mkdir('out') image = Image.open(file_path) #image.show() image = fill_image(image) image_list = cut_image(image) save_images(image_list)

二、隨機截取指定大小的圖

’’’隨即截取指定大小的圖片’’’import osimport cv2import random #讀取圖片img1=cv2.imread(’0.bmp’)img2=cv2.imread(’1.bmp’) #h、w為想要截取的圖片大小h=2048w=2048 save_dir1 = 'pic_train/'save_dir2 = 'pic_noise/'if os.path.exists(save_dir1) is False: os.makedirs(save_dir1)if os.path.exists(save_dir2) is False: os.makedirs(save_dir2)count=0while 1: #隨機產(chǎn)生x,y 此為像素內(nèi)范圍產(chǎn)生 y = random.randint(0, 6144) x = random.randint(0, 6144) #隨機截圖 cropImg1 = img1[(y):(y + h), (x):(x + w)] cropImg2 = img2[(y):(y + h), (x):(x + w)] cv2.imwrite(save_dir1 + str(count) + ’.bmp’, cropImg1) cv2.imwrite(save_dir2 + str(count) + ’.bmp’, cropImg2) count+=1 if count==100: break

三、小圖組合成大圖

’’’將指定文件夾里面的圖片拼接成一個大圖片’’’import PIL.Image as Imageimport os IMAGES_PATH = ’out’ # 圖片集地址IMAGES_FORMAT = [’.bmp’, ’.BMP’] # 圖片格式IMAGE_SIZE = 2048 # 每張小圖片的大小IMAGE_ROW = 4 # 圖片間隔，也就是合并成一張圖后，一共有幾行IMAGE_COLUMN = 4 # 圖片間隔，也就是合并成一張圖后，一共有幾列IMAGE_SAVE_PATH = ’final.bmp’ # 圖片轉(zhuǎn)換后的地址 # 獲取圖片集地址下的所有圖片名稱image_names = [name for name in os.listdir(IMAGES_PATH) for item in IMAGES_FORMAT ifos.path.splitext(name)[1] == item] # 簡單的對于參數(shù)的設(shè)定和實際圖片集的大小進行數(shù)量判斷if len(image_names) != IMAGE_ROW * IMAGE_COLUMN: raise ValueError('合成圖片的參數(shù)和要求的數(shù)量不能匹配！') # 定義圖像拼接函數(shù)def image_compose(): to_image = Image.new(’RGB’, (IMAGE_COLUMN * IMAGE_SIZE, IMAGE_ROW * IMAGE_SIZE)) #創(chuàng)建一個新圖 # 循環(huán)遍歷，把每張圖片按順序粘貼到對應(yīng)位置上 for y in range(1, IMAGE_ROW + 1): for x in range(1, IMAGE_COLUMN + 1): from_image = Image.open(IMAGES_PATH + image_names[IMAGE_COLUMN * (y - 1) + x - 1]).resize((IMAGE_SIZE, IMAGE_SIZE),Image.ANTIALIAS) to_image.paste(from_image, ((x - 1) * IMAGE_SIZE, (y - 1) * IMAGE_SIZE)) to_image = to_image.convert(’L’) return to_image.save(IMAGE_SAVE_PATH) # 保存新圖image_compose() #調(diào)用函數(shù)

注意文件名的數(shù)字順序，00 01 02 ...11 12 13 ....這樣

以上這篇Python 實現(xiàn)將大圖切片成小圖,將小圖組合成大圖的例子就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持好吧啦網(wǎng)。