品质好房李飞seo

import os
import random
from PIL import Image, ImageEnhance, ImageFilter# 输入和输出文件夹路径
input_folder = r'E:\深度学习数据集'
output_folder = r'E:\深度学习数据集\对比度、高斯滤波'# 确保输出文件夹存在，如果不存在则创建
if not os.path.exists(output_folder):os.mkdir(output_folder)# 获取输入文件夹中的所有图像文件
image_files = [f for f in os.listdir(input_folder) if f.endswith('.jpg')]# 循环处理每个图像文件
for i, image_file in enumerate(image_files):try:# 打开图像image = Image.open(os.path.join(input_folder, image_file))# 检查图像的模式，如果不是RGB，则转换为RGBif image.mode != 'RGB':image = image.convert('RGB')# 随机调整对比度contrast_factor = random.uniform(0.7, 1.3)contrast = ImageEnhance.Contrast(image)image = contrast.enhance(contrast_factor)# 随机应用高斯滤波if random.random() < 0.5:radius = random.uniform(1, 2)image = image.filter(ImageFilter.GaussianBlur(radius))# 生成新的文件名new_filename = f'a{i + 1:03}.jpg'new_filepath = os.path.join(output_folder, new_filename)# 保存处理后的图像image.save(new_filepath)print(f'Processed: {image_file} -> {new_filename}')except Exception as e:print(f'Error processing {image_file}: {e}')print('图像处理完成。')

这段代码是用Python编写的，用于处理指定文件夹中的图像文件，包括随机调整对比度和随机应用高斯滤波，然后将处理后的图像保存在另一个文件夹中，并以新的文件名进行重命名。代码还包含了异常处理，以便在处理图像时出现错误时，程序会捕获异常并继续处理下一个图像，而不会终止运行。

下面是对代码的详细解析：

1. 导入所需的库：
   - `os`: 用于处理文件和文件夹路径。
   - `random`: 用于生成随机数。
   - `PIL` 中的相关模块：用于图像处理。
   
2. 指定输入和输出文件夹的路径：
   - `input_folder`：包含原始图像的文件夹路径。
   - `output_folder`：将处理后的图像保存到的文件夹路径。

3. 确保输出文件夹存在：
   - 使用 `os.path.exists(output_folder)` 检查输出文件夹是否存在。
   - 如果不存在，使用 `os.mkdir(output_folder)` 创建输出文件夹。

4. 获取输入文件夹中的所有图像文件：
   - 使用列表推导式，获取输入文件夹中以 ".jpg" 结尾的所有文件，并将它们存储在 `image_files` 列表中。

5. 循环处理每个图像文件：
   - 使用 `enumerate` 函数迭代 `image_files` 列表，同时获取索引 `i` 和图像文件名 `image_file`。
   - 使用 `try` 和 `except` 块来处理每个图像，以便在处理图像时出现错误时能够捕获异常。

6. 在 `try` 块内部：
   - 打开图像：使用 `Image.open` 打开当前图像文件，得到一个 PIL 图像对象 `image`。

7. 检查图像模式：
   - 使用 `if image.mode != 'RGB'` 条件来检查图像的模式是否为 RGB。
   - 如果不是 RGB 模式，使用 `image.convert('RGB')` 将图像转换为 RGB 模式。

8. 随机调整对比度：
   - 生成一个随机的对比度调整因子 `contrast_factor`。
   - 使用 `ImageEnhance.Contrast` 创建一个对比度增强对象，然后使用 `enhance` 方法调整对比度。

9. 随机应用高斯滤波：
   - 通过生成一个随机数来决定是否应用高斯滤波（50% 的概率）。
   - 如果要应用高斯滤波，生成一个随机的模糊半径 `radius`，然后使用 `image.filter(ImageFilter.GaussianBlur(radius))` 来应用高斯滤波。

10. 生成新的文件名：
    - 使用 `f-string` 格式化生成新的文件名，如 "a001.jpg"，"a002.jpg" 等。

11. 保存处理后的图像：
    - 使用 `image.save(new_filepath)` 将处理后的图像保存到输出文件夹中。
    - 打印出处理的信息，显示原始文件名和新的文件名。

12. 在 `except` 块内部：
    - 如果在处理图像时出现异常，捕获异常并打印错误消息，指示哪个图像出现了问题。

13. 最后，显示处理完成的消息。

通过这种方式，代码能够处理输入文件夹中的所有图像文件，即使在处理某个图像时出现错误，也不会中断程序的执行，而是继续处理下一个图像。这种异常处理方式使代码更健壮，可以应对各种潜在的问题。