将标签和图片调整成我们想要的size大小

1.采用的数据集是VOC2007

其中SegmentationClass是label图片，JPEGImages是原图

label：

 image：

 2. 定义一个utils.py文件，在这个文件中写一个keep_image_size_open函数：

from PIL import Image

def keep_image_size_open(path,size=(256,256)):
    #把图片大小固定为256*256,这个你可以自己改

    #把图片读进来
    img=Image.open(path)

    #图片有长边和短边，把长边的长度读出来
    temp=max(img.size)

    #整一个掩码出来，这个掩码size大小是图片的最长边*最长边
    #(0，0，0）表示掩码这张rgb图像是全黑的
    mask=Image.new("RGB",(temp,temp),(0,0,0))
    #将原图粘上来：(0,0）表示粘到左上角
    mask.paste(img,(0,0))
    #现在原图已经粘到mask上面了，此时对它进行resize，缩放到你想要的，传入的那个size
    mask=mask.resize(size)

    return mask

 3.标签图片和原图中什么大小都有，把它们都调整成统一格式大小的图片，这里是统一调整为256*256（你也可以自己改成（258*258））

transform=transforms.Compose([transforms.ToTensor()])

#我们自己定义的类MyDataset继承了Dataset
class  MyDataset(Dataset):
    def __init__(self,path):
        #path是一直到Voc2007的，这个目录下有三个文件夹：ImageSets，JPEGImages，SegmentationClass
        self.path=path

        # self.name是一个列表，里面存放的是path/SegmentationClass这个目录下所有标签图片的名字
        #比如2007_000032.png,2007_000033.png
        self.name=os.listdir(os.path.join(path,'SegmentationClass'))

    #self.name是一个列表，里面存放的是标签图片的名字，返回有多少张标签图片
    def __len__(self):
        return len(self.name)

    def __getitem__(self,index):
    #这个函数会随机生成一个索引index（但不会重复）

         #label(调整为我们需要size大小的标签图片），label_name（标签图片的名字，比如1.jpg）,label_path(标签图片的完整，比如D:\1.jpg)
         #image,image_name,image_path

         #label_name比如说等于：2007_000032.png
         label_name=self.name[index]

         #刚才只是拿到了标签图片的名字，现在拼接成完整的标签图片的路径
         label_path=os.path.join(self.path,'SegmentationClass',label_name)

         #有了标签图片的路径，那么原图的路径就很简单（因为原图和标签图片一样，都叫2007_000032,只不过一个叫png,一个叫jpg
         image_path=os.path.join(self.path,"JPEGImages",label_name.replace("png","jpg"))

         #这些图片大小其实是不一样大的，然而我们网络其实是需要固定大小的图片
         #将原图和标签都送进keep_image_size_open函数里面进行resize
         label= keep_image_size_open(label_path)
         image= keep_image_size_open(image_path)

         #image图片和label图片做归一化
         return transform(image),transform(label)

if __name__=="__main__":
    data=MyDataset("E:\桌面\VOCdevkit\VOC2007")
    print(data[0][0].shape)
    #输出得到：torch.Size([3, 256, 256])
    #这说明我们确实将图片大小调整到我们所需要的大小了