在python中集中裁剪图像的最佳方法是什么？

Question

我有20,000张矩形图像，我想对它们进行中心裁剪，以便将它们插入机器学习算法中。

Tensorflow有tf.image.central_crop（），但是我想在TF介入之前检查图片。该函数采用张量并输出张量。

在Python中裁剪它们的最佳工具是什么？

编辑：或者，什么是计算中心作物的最佳算法？

Answer 1

您可以使用ImageMagick轻松快速地完成此操作，无需编写任何代码，ImageMagick安装在大多数 Linux 发行版上，可用于 macOS 和 Windows。

在终端中，通过设置gravitytocenter并指定与该位置的零偏移量，将图像裁剪为中央 50x50 像素，如下所示：

magick input.png -gravity center -crop 50x50+0+0 result.png

如果你想裁剪到最大的正方形，你需要使用一个函数来找到高度和宽度中的较小者，并将其用于 50s 中的每一个：

magick input.png -gravity center -crop "%[fx:h<w?h:w]x%[fx:h<w?h:w]+0+0" result.png

开始图片：

结果：

好的，现在我们想要做 20,000 张图像，所以我们使用GNU Parallel，那就是：

parallel magick {} -gravity center -crop ... {} ::: *.png

但是现在我们遇到了一些新问题。列表中的文件将是太长ARG_MAX，所以我们需要在饲料中的文件名stdin从find这样用空终止：

find . -name \*.png -print0 | parallel -0 magick {} -gravity center -crop ... {}

-crop表达式中的特殊字符也有一个新问题，因此我们需要请GNU Parallel为我们计算引用。所以最后的命令变成：

find . -name \*.png -print0 | parallel -0 --quote magick {} -gravity center -crop "%[fx:h<w?h:w]x%[fx:h<w?h:w]+0+0" {} 

这是一个非常强大的命令，可以快速更改数千张图像，覆盖原始图像，因此请先将它们复制到安全的地方，在一小部分图像上进行测试！

您可以通过以下方式获得进度条：

parallel --bar ...

您可以进行“试运行”，要求GNU Parallel向您展示它会做什么，而无需实际执行以下操作：

parallel --dry-run ...

有一些方法可以使这更快，更容易阅读 - 当我有更多时间时，我可能会添加它们。