练习一

第一题

（25分）在桌面/quiz/Q1/data目录下，有一组不同品种的猫的图片。编写python代码，命名为 Q1.py，在data目录下创建train和test子目录，并按照8：2的比例随机抽取图片放在子目录下，在 train目录下的文件按照序号命名为train_001.jpg，train_002.jpg，train_003.jpg以此类推 ，test 目录下的文件命名为test_001.jpg，test_002.jpg，test_003.jpg以此类推。最后，将代码文件 Q1.py，及目录data保存在桌面/user/Q1目录下。

#1.导包
#2.找到图片所在的路径
#3.创建两个文件夹（train,test）
#4.对图片随机二八分类
#5.移动图片到文件夹中并重命名

import cv2  #本题用不到
import os  #找路径，创文件
import random  #随机数
import shutil  #
path= "C:/Users/j/Desktop/test1/Q11/data/"  #路径无空格、中文(斜杆方向)
# file_list=os.listdir(path)  #查看图片 改进
file_list=[x for x in os.listdir(path) if x.endswith("jpg")]  #列表表达式（重点）
random.shuffle(file_list) #数组中的元素随机排列
print(file_list)
# os.mkdir(os.path.join(path,"train"))  #执行完注释
# os.mkdir(os.path.join(path,"test"))  #执行完注释
rate=int(len(file_list)*0.8)
train_list=file_list[:rate]  #0-15  16
test_list=file_list[rate:]  #16-19  4
print(test_list)

for index,file in enumerate(train_list):
    new_file=os.path.join(path+"train","train_{0:0>3d}.jpg".format(index+1)) #正则表达式
    old_file=os.path.join(path,file) #正则表达式
    print(new_file)
    shutil.copy(old_file,new_file)
    
for index,file in enumerate(test_list):
    new_file=os.path.join(path+"test","train_{0:0>3d}.jpg".format(index+1)) #正则表达式
    old_file=os.path.join(path,file) #正则表达式
    print(new_file)
    shutil.copy(old_file,new_file)

第二题

（30分）在桌面/quiz/Q2/data目录下有10张各类品种的猫的图片，因为图片较少，需要进行增广。 编写python代码，命名为Q2.py，完成左右翻转，10度内的随机旋转，将图像增加到30张。并将 所有图片统一大小到256*256。原图像重命名为001.jpg, 002.jpg 等，翻转后的图像命名增加 “flipped_”,重命名为flipped_001.jpg,flipped_002.jpg等。旋转后的图像命名增加“rotated_”, 重命名为rotated_001.jpg,rotated_002.jpg等，并保存在aug目录下。最后，将代码文件Q2.py， 及目录aug保存在桌面/user/Q2目录下。

#1.导包
#2.找到图片的路径
#3.创建aug文件夹
#4.图像增广
#5.移动图片并重命名

# 导包
import os
import cv2
import numpy as np
import random
import shutil
# 找到图片路径
path="C:/Users/CHJ/Desktop/shijue/Q12/data/"
file_list=[x for x in os.listdir(path) if x.endswith("jpg")]

# 创建aug文件夹
# os.mkdir(os.path.join(path,"aug"))

# 新建列表
old_list=[]
rotated_list=[]
flipped_list=[]

# 遍历打开图片
for i in file_list:
    img=cv2.imread(path+i)
    
#     原图改（256，256）
    old_list.append(cv2.resize(img,(256,256)))
    
#     随机旋转
    h,w,c=img.shape
    M=cv2.getRotationMatrix2D((w/2,h/2),random.randint(1,10),1)
    rotated_list.append(cv2.resize(cv2.warpAffine(img,M,(h,w)),(256,256)))
    
#     左右翻转
    flipped_list.append(cv2.resize(cv2.flip(img,1),(256,256)))

# 遍历保存
for index,res in enumerate(old_list):
#     新路径构建
    new_file=os.path.join(path+"aug","{0:0>3d}.jpg".format(index)) 
#     保存
    cv2.imwrite(new_file,res)
for index,res in enumerate(rotated_list):
    new_file=os.path.join(path+"aug","rotated_{0:0>3d}.jpg".format(index)) 
    cv2.imwrite(new_file,res)
for index,res in enumerate(flipped_list):
    new_file=os.path.join(path+"aug","flipped_{0:0>3d}.jpg".format(index)) 
    cv2.imwrite(new_file,res)

第二题

#1.导包
#2.找到图片的路径
#3.创建aug文件夹
#4.图像增广
#5.移动图片并重命名

import os
import cv2
# import numpy as np
import random
import shutil
path="C:/Users/CHJ/Desktop/shijue/quiz/Q2/data/"
file_list=[x for x in os.listdir(path) if x.endswith("jpg")]
# os.mkdir(path+"aug")
# os.mkdir(os.path.join(path,"aug"))
for index,file in enumerate(file_list):
    file_jpg=os.path.join(path,file)
    print(file_jpg)
    img=cv2.imread(file_jpg)
    img_resize=cv2.resize(img,(256,256))
    
    new_file=os.path.join(path+"aug","{0:0>3d}.jpg".format(index+1))
    cv2.imwrite(new_file,img_resize)
    # 翻转
    img_flipped=cv2.flip(img_resize,1)
    new_file=os.path.join(path+"aug","flipped_{0:0>3d}.jpg".format(index+1))
    cv2.imwrite(new_file,img_flipped)
    # 随机旋转
    h,w,c=img_resize.shape #高,长,通道数
    M=cv2.getRotationMatrix2D((w/2,h/2),random.randint(1,10),1)
    img_rotated=cv2.warpAffine(img_resize,M,(w,h))
    new_file=os.path.join(path+"aug","rotated_{0:0>3d}.jpg".format(index+1))
    cv2.imwrite(new_file,img_rotated)

第三题

（25分）在桌面/quiz/Q4/data目录下，有cat_10.json文件，该文件包含了模型对cat_10.jpg图像 的推理检测结果,包括猫品种的标签和猫的位置信息。请编写python代码，命名为Q4.py，在图像 cat_10.jpg上使用红色矩形框绘制出检测结果，并在矩形框的左上方写明标签，将绘制后的图像命 名为cat_10_detected.jpg。最后，将代码文件Q4.py，及cat_10_detected.jpg保存在桌面 /user/Q4目录下。

#1.导包
#2.找到图片的路径
#3.读取和解析json文件
#4.绘制矩形和文字
#5.保存图片

import cv2
import os
import json
img_path="C:/Users/CHJ/Desktop/shijue/quiz/Q4/data/cat_10.jpg"
json_path="C:/Users/CHJ/Desktop/shijue/quiz/Q4/data/cat_10.json"
img=cv2.imread(img_path)
with open(json_path,"r",encoding="utf-8") as f:
    content=json.load(f) #读取json文件

text=content["results"][0]["classes"] #第一个results中的classes值
dian1=content["results"][0]["box"][0] #第一个results中第一个box值
dian2=content["results"][0]["box"][1] #第一个results中第二个box值

x1=dian1[0]
y1=dian1[1]
x2=dian2[0]
y2=dian2[1]
cv2.rectangle(img,(x1,y1),(x2,y2),(0,0,255),3) #画矩形 （图片，左上角点，右上角点，颜色，边框的厚度）
#     text=content.get("results")[0].get("classes")
#     dian1=content.get("results")[0].get("box")[0]
#     dian2=content.get("results")[0].get("box")[1]
cv2.putText(img,text,(x1-5,y1-5),cv2.FONT_HERSHEY_SIMPLEX,1,(0,0,255),2)
cv2.imshow("img",img)
cv2.imwrite("C:/Users/CHJ/Desktop/shijue/quiz/Q4/cat_10_detected.jpg",img)
cv2.waitKey()
cv2.destroyAllWindows()
print(content)

练习二

第一题

（20分）在桌面/quiz/Q1/data目录下有20张在网上爬取的图片文件，由于其图片名非常混乱不便 于后续操作，所以需将其重命名为序号+当今日期的格式，例如1_2020_09_30.jpg， 2_2020_09_30.jpg等格式，并将其移动到 picture 文件夹，使用Python代码实现。最终将代码保 存在桌面/user/Q1目录下，名称为Q1.py

# # 导入time模块
# import time
# # 优化格式化化版本
# print(time.strftime('%Y_%m_%d',time.localtime(time.time())))

import os
import shutil
import time
now_time=time.strftime('%Y_%m_%d')
path="C:/Users/gundam/Desktop/python/quiz2/Q21/data/"
os.mkdir(path+"picture")#创建文件夹
file_list=[x for x in os.listdir(path) if x.endswith("jpg")]
for index,file in enumerate(file_list):
    new_list=os.path.join(path+"picture","{0}_{1}.jpg".format(index+1,now_time))
    old_list=os.path.join(path,file)
    shutil.copy(old_list,new_list)#复制文件到新路径

第二题

（30分）在桌面/quiz/Q2/data目录下保存了一组10张水果图像，为了更好的扩展训练集， （1）请对图像完成灰度变换，线性变换函数的斜率1.3，截距-30， （2）原始图像使用直方图均衡化的方式调节亮度，最后将所有图像统一到jpg格式，保存到 augment目录下， （3）文件命名为0-0.jpg，0-1.jpg，0-2.jpg，0-3.jpg 等，以此类推，新产生的图像为20张， 最终将代码保存在桌面/user/Q2目录下，名称为Q2.py

#1.导包
#2.找到图片所在路径
#3.把彩色图变成灰度图，采用线性变换 y=ax+b = 1.3x-30
#4.直方图均衡化
#5.重命名与保存

import os
import cv2
import numpy as np
import shutil
path='C:/Users/CHJ/Desktop/shijue/quiz2/Q2/data/'
# os.mkdir(os.path.join(path,'augment'))
file_list=[x for x in os.listdir(path) if x.endswith('jpg')]
for index,file in enumerate(file_list):
    file_img=os.path.join(path,file)
    img_ori=cv2.imread(file_img)
    img_gray=cv2.imread(file_img,0)  # 原图：彩色  用0以灰度图打开
    h,w=img_gray.shape
    #线性变换 构造一副空的图，像素全0
    zeros=np.zeros((h,w),dtype='uint8')  #空图片
    for i in range(h):
        for j in range(w):
            cvt=img_gray[i,j]*1.3-30  # 线性变化=1.3x-30
            if cvt>255:
                cvt=255
            elif cvt<0:
                cvt=0
            zeros[i,j]=cvt
    cv2.imwrite(path+'augment/0_{0}.jpg'.format(index),zeros)
    #直方图均衡化
    b,g,r=cv2.split(img_ori) #通道分离
    # 均衡化
    bb=cv2.equalizeHist(b) 
    gg=cv2.equalizeHist(g)
    rr=cv2.equalizeHist(r)
    # 均衡化后的新通道组成新图片
    img_hist=cv2.merge([bb,gg,rr])
    # 写入
    cv2.imwrite(path+'augment/1_{0}.jpg'.format(index),img_hist)
cv2.waitKey(0)
cv2.destroyAllWindows()
            
    

第三题

（30分）在桌面/quiz/Q4/data目录下有一张包含齿轮的图片gear.jpg，还有一张对应json文件 gear.json，表明齿轮的遮罩多边形，请绘制出齿轮的分割图片，背景是白色，遮罩部分是黑色，图 像尺寸和原图一致。类似如下：

#1.导包
#2.找到文件所在路径
#3.读取和解析json
#4.按数据绘制轮廓
#5.保存图片

import cv2
import os
import json
import numpy as np
img_path="C:/Users/gundam/Desktop/python/quiz2/Q24/data/gear.jpg"
json_path="C:/Users/gundam/Desktop/python/quiz2/Q24/data/gear.json"

# 读取json
with open(json_path,'r',encoding="utf-8") as f:
    content=json.load(f)
# print(content)
big_points=content['shapes'][0]['points'] #齿轮部分
print(big_points)
small_points=content['shapes'][1]['points'] #背景部分

#转换
big_pts=np.array(big_points,dtype=np.int32)
small_pts=np.array(small_points,dtype=np.int32)

# print(small_points)
img=cv2.imread(img_path)

#创建全黑的多边形,(ones是创建一个全为1的数组)
bg=np.ones(img.shape,dtype='uint8')*255

cv2.fillPoly(bg,[big_pts],(0,0,0))#齿轮部分黑色
cv2.fillPoly(bg,[small_pts],(255,255,255)) #背景部分白色
cv2.imshow('bg',bg)
cv2.waitKey(0)
cv2.destroyAllWindows()

可能需要的函数

file_list=[x for x in os.listdir(path) if x.endswith("jpg")]  #列表表达式（重点）,此为循环遍历目录下后缀为jpg的文件

random.shuffle(file_list) #数组中的元素随机排列,此为将遍历到的文件名随机排列

train_list=file_list[:rate] #将该数组中下标为0-15的16个元素赋予该变量

for index,file in enumerate(train_list): #enumerate输出数据下标和数据组成的序列,所以需要两个变量赋予下标和数据

os.path.join(path+"train","train_{0:0>3d}.jpg".format(index+1))#连接生成一个新字符串,此为创建一个新的保存路径与文件名,{0:0>3d}为格式化一个三位字符串

shutil.copy(old_file,new_file)#将文件从旧文件路径复制到新文件路径.并修改文件名.

img1=cv2.resize(img,(256,256))#将图片变量的分辨率修改为256x256,并赋给新的图片变量

h,w,c=img.shape#读取矩阵长度,这里读取的是高,宽,通道数

M=cv2.getRotationMatrix2D((w/2,h/2),random.randint(1,10),1)#旋转函数,(w/2,h/2)为旋转中心点,这里表示是图片中点为旋转点、random.randint(1,10)为旋转角度,这里为随机旋转1-10度、1为缩放比例，这里为等比例缩放。（输出的是转换矩阵，不是图片变量）

img2=cv2.warpAffine(img,M,(h,w))#仿射变换函数,此为将上面的旋转函数导出的旋转矩阵M应用到图片变量img,并赋给新图片变量img1。(h,w)为img1的图片分辨率大小

rotated_list.append#在数组中添加元素

img1=cv2.flip(img,1) #图像翻转,此为将图片y轴翻转,0为0轴翻转,1为y轴翻转,-1为x和y轴翻转

img=cv2.imread(file_jpg,0)#读取该路径的图片,0为以灰度图读取,读取原图不加0

with open(json_path,"r",encoding="utf-8") as f:
    content=json.load(f) 
#此为读取json文件

text=content["results"][0]["classes"] #将json文件中第一个results中的classes值赋予text变量

cv2.rectangle(img,(x1,y1),(x2,y2),(0,0,255),3) #画一个矩形 （图片，左上角点，右上角点，边框颜色，边框的厚度）PS:边框的厚度为负值是,则为填充整个矩形

cv2.putText(img,"文字",(x1-5,y1-5),cv2.FONT_HERSHEY_SIMPLEX,1,(0,0,255),2)#在图片输入文字,(x1-5,y1-5)为输入文字的坐标,cv2.FONT_HERSHEY_SIMPLEX为字体,1为字体,(0,0,255)为颜色,2为字体厚度

now_time=time.strftime('%Y_%m_%d')#读取本地时间,此为读取本地的年月日

os.mkdir(path+"picture") #此为创建文件夹

zeros=np.zeros((h,w),dtype='uint8')#创建一个全为0的数组,此为创建一个高度为h,宽为w,像素为0的图

cvt=img_gray[i,j]*1.3-30 #线性变化公式为y=ax+b,斜率1.3，截距-30,此为将将图片中特定像素的值按公式修改,赋给cvt变量

b,g,r=cv2.split(img_ori) #通道分离

bb=cv2.equalizeHist(b)  # 均衡化

img_hist=cv2.merge([bb,gg,rr])# 均衡化后的新通道组成新图片

big_pts=np.array(big_points,dtype=np.int32)#big_points数组转换为int32格式

bg=np.ones(img.shape,dtype='uint8')*255 #创建一个全为1的数组,此为创建全黑的多边形

cv2.fillPoly(bg,[big_pts],(0,0,0))#填充多边形,此为填充黑色[big_pts]为多边形顶点数,(0,0,0)为填充颜色