关于如何批量给训练集图像叠加掩码得到受损图像（傻子版教程）

本科毕设的方向是图像修复，但是本人是其实自动化专业的，opencv在此之前完全没有接触过，csdn代码太杂了，对于本若至来说理解困难，也尝试来B站找过教程但无奈没什么收获，从头开始学习时间成本太大。所以这是一篇结合了大量chatgpt回答的文章。

个人在整个过程中一直卡壳的地方是如何批量处理，赶进度太难了。

本教程可能存在大量冗余的步骤，可以提出但别笑我。

首先你要下载两个数据集，一个是未受损的图像数据集，一个是掩码数据集。数据集相关内容百度可以搜到很多。

1. 将两个数据集进行批量重命名。代码参考：

   （此处生成的是用0填充五位数字，因为我的数据集图片数量是五位数）

   import os
   path_name=r'你的数据集文件地址'
   count=os.listdir(path_name)
   
   for i in range(0,len(count)):#进入到文件夹内，对每个文件进行循环遍历
      j=0#表示图像名称从0开始
      k = str(i+j)
      other_url = k.zfill(5)#总共4位，除了数字部位，其余用0填充
      #os.path.join(path_name,item)表示找到每个文件的绝对路径并进行拼接操作
      os.rename(os.path.join(path_name,count[i]),os.path.join(path_name,(other_url+'.png')))
      j+=1
   
   print("Rename_Successed")

   
   

2. 将两个数据集的图像进行批量改尺寸，尺寸需要一致。

   此处尺寸是256×256，如果原图尺寸比例不同会被压缩成正方形。代码如下：

   import os
   import CV2
   from PIL import Image
   import os
   
   def resize_images(input_folder, output_folder):
      # 创建一个存放修改后图片的文件夹
      if not os.path.exists(output_folder):
          os.makedirs(output_folder)
   
      for filename in os.listdir(input_folder):
          if filename.endswith(".jpg") or filename.endswith(".png") or filename.endswith(".bmp") or filename.endswith(".gif"):
              img = Image.open(os.path.join(input_folder, filename)) # 打开输入文件夹中的图像文件
   
              # 以下两个功能选择使用
              # 简单粗暴直接调整图片大小为固定值
              new_size = (256, 256)  # 例如：(800, 600) 宽度为800，高度为600
              img_resized = img.resize(new_size) # 将图像大小调整为指定的大小
              img_resized.save(os.path.join(output_folder, filename)) # 将调整后的图像保存到输出文件夹中
   
   input_folder = r"你的数据集地址"
   output_folder = r"裁剪后保存的地址"
   
   # 执行函数resize_images,调整图片大小并保存到输出文件夹中
   resize_images(input_folder, output_folder)

3. 如果你的掩码数据集的黑色部分不是透明底而是纯纯的黑色，那么在这一步可以将它转为透明底。代码如下：

   import os
   from PIL import Image
   
   # 设置要处理的文件夹路径
   input_folder = r'不透明的掩码数据集文件地址'
   output_folder = r'透明底掩码数据集文件地址'
   
   # 确保输出文件夹存在
   if not os.path.exists(output_folder):
      os.makedirs(output_folder)
   
   # 遍历输入文件夹中的所有文件
   for filename in os.listdir(input_folder):
      # 检查文件是否为 PNG 图像文件
      if filename.endswith('.png'):
          # 打开图像文件
          img_path = os.path.join(input_folder, filename)
          img = Image.open(img_path)
   
          # 获取图像的 RGBA 模式
          img = img.convert('RGBA')
   
          # 创建一个 data 列表,将黑色部分(RGB = (0, 0, 0))的 alpha 通道设为 0 (透明)
          data = []
          for pixel in img.getdata():
              if pixel[0] == 0 and pixel[1] == 0 and pixel[2] == 0:
                  data.append((0, 0, 0, 0))
              else:
                  data.append(pixel)
   
          # 更新图像的像素数据
          img.putdata(data)
   
          # 保存处理后的图像
          output_path = os.path.join(output_folder, filename)
          img.save(output_path)
          print(f'Processed {filename}')

4. 然后就可以将两个数据集叠加啦，代码如下：

   import os
   from PIL import Image
   
   # 设置要处理的文件夹路径
   train_folder = '训练集文件夹'
   mask_folder = '透明底掩码文件夹'
   output_folder = '输出文件夹'
   
   # 确保输出文件夹存在
   if not os.path.exists(output_folder):
      os.makedirs(output_folder)
   
   # 遍历训练集文件夹中的所有文件
   for filename in os.listdir(train_folder):
      # 检查文件是否为 PNG 图像文件
      if filename.endswith('.png'):
          # 拼接掩码图像的文件名
          mask_filename = os.path.splitext(filename)[0] + '.png'
          mask_path = os.path.join(mask_folder, mask_filename)
          train_path = os.path.join(train_folder, filename)
   
          print(f"Train image path: {train_path}")
          print(f"Mask image path: {mask_path}")
   
          # 检查掩码文件是否存在
          if not os.path.exists(mask_path):
              print(f'Error: {mask_path} does not exist. Skipping {filename}.')
              continue
   
          # 打开训练集图像文件
          train_img = Image.open(train_path)
   
          # 获取训练集图像的尺寸
          width, height = train_img.size
   
          # 打开掩码图像文件
          mask_img = Image.open(mask_path)
   
          # 调整掩码图像的大小以匹配训练集图像
          mask_img = mask_img.resize((width, height), resample=Image.NEAREST)
   
          # 将掩码图像叠加在训练集图像上
          train_img.paste(mask_img, (0, 0), mask_img)
   
          # 保存处理后的图像
          output_path = os.path.join(output_folder, filename)
          train_img.save(output_path)
          print(f'Processed {filename}')

   之后就可以得到叠加的图像啦~终于迈出第一步