基于OpenCV批量分片高像素影像

基于OpenCV批量分片高像素影像

为了更加精确的诊断和治疗，医疗影像往往是大像素（1920x1080）或超大像素图像（4k图像4096x2160）。这类图像的尺寸与深度学习实验数据常见尺寸（227x227，或32x32）有巨大的差别，不仅对网络的深度要求更高，所需的算力、内存、运算时间等成本也会更高。因此，在处理医疗图像或遥感图像这样的高像素图像时，往往都需要将其批量处理成小像素方片，并针对每一个方片进行识别或预测。

因此无需我们再人工进行处理，然而掌握高像素图像的分片技巧十分必要，我们将以数张大像素的图像为例展示批量分片高像素图像的代码与相关知识。

**星辰与病灶细胞一样，可能分布在图像的各个位置，也可能集中在图像上的某个区域，因此适合用来作为替代图。我们先以一张图像为例进行分片：

#!pip install opencv-python

import cv2
import os
import matplotlib.pyplot as plt
1
2
3
4
5

cv2.__version__
1

<