Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- import numpy as np
- import keras
- from keras.preprocessing.image import ImageDataGenerator, array_to_img,img_to_array, load_img
- import os
- import pdb
- import cv2
- root_dir = 'شما فولدر مربوط به تصاویر گربه رو باید بذارید'
- datagen = ImageDataGenerator(featurewise_center=True,
- samplewise_center=True, # set each sample mean to 0
- featurewise_std_normalization=True, # divide inputs by std of the dataset
- samplewise_std_normalization=True, # divide each input by its std
- zca_whitening=True,
- rotation_range =8,
- width_shift_range = 0.08,
- height_shift_range = 0.08,
- rescale=1./255,
- shear_range=0.1,
- zoom_range=0.1,
- horizontal_flip = False,
- fill_mode = 'nearest',
- brightness_range=[0.4, 0.8])
- folder_name = os.listdir(root_dir)
- image_name = os.listdir(root_dir)
- os.mkdir('مسیری که میخواهید تا تصاویر تقویت شده گربه در اون قرار بگیره)
- data = np.zeros(((len(image_name),48,128,1))) ابعاد تصویرتون رو باید بذارید
- j = 0
- for imag in image_name:
- image_path = os.path.join(root_dir, imag)
- image=cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
- images = img_to_array(image)
- #x = np.expand_dims(images, axis=2)
- data[j,:,:,:] = images
- j+=1
- i = 0
- for batch in datagen.flow (data, batch_size=1, save_to_dir ='مسیری که میخواهید تا تصاویر تقویت شده گربه در اون قرار بگیره, save_prefix = img , save_format='png'):
- i+=1
- #pdb.set_trace()
- if i>10000: هر تعدادی که بخواهید ایجاد کنید
- break
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement