File size: 2,085 Bytes
2ecc7ab | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 | import os
import cv2
import numpy as np
import shutil
import random
# ================= 配置 =================
# 原始高清数据集路径
source_root = r"G:\datasets\lolblurtest\test\high_sharp_original"
# 实验根目录
exp_root = r"G:\IR_Experiment\Order_Test"
# 输出路径：生成的“坏图”放这里
target_input_dir = os.path.join(exp_root, "input_dark_noisy")
os.makedirs(target_input_dir, exist_ok=True)
# ================= 降质函数 =================
def degradate_image(img):
# 1. 变暗 (模拟低光) - 亮度降为 20%
img = img.astype(np.float32) * 0.2
# 2. 加噪 (模拟高感光度噪声)
noise = np.random.normal(0, 15, img.shape) # sigma=15
img = img + noise
# 截断并转回 uint8
img = np.clip(img, 0, 255).astype(np.uint8)
return img
# ================= 执行提取与生成 =================
print("🚀 开始构建数据集...")
count = 0
# 遍历源目录
for root, dirs, files in os.walk(source_root):
# 找到图片文件
img_files = [f for f in files if f.lower().endswith(('.png', '.jpg', '.jpeg'))]
if img_files:
# 每个文件夹只取第一张，节省时间，够测就行
file_name = img_files[0]
src_path = os.path.join(root, file_name)
# 读取
img = cv2.imread(src_path)
if img is None: continue
# 制造降质
bad_img = degradate_image(img)
# 保存 (重命名以防冲突)
folder_name = os.path.basename(root)
save_name = f"{folder_name}_{file_name}"
save_path = os.path.join(target_input_dir, save_name)
cv2.imwrite(save_path, bad_img)
count += 1
print(f"[{count}] 处理: {save_name}")
# 限制数量：为了做 demo，生成 5-10 张就足够说明问题了，多了跑得慢
if count >= 8:
break
print(f"✅ 数据集准备完毕！共 {count} 张。")
print(f"📂 坏图位置: {target_input_dir}") |