巧用Python創建個性化數據集

摘要：本文介紹了中小學學校環境下，人工智能模型訓練所需的個性化圖像數據集的設計、收集、制作等過程，其中的關鍵技術是運用Python語言編程，對大批量的圖像進行分割、重命名、分類保存等批處理操作，快速高效地生成個性化的數據集。

關鍵詞：個性化數據集;Python;圖像分割;批處理;人工智能

中圖分類號：G434 ?文獻標識碼：A ?論文編號：1674-2117（2022）13-0070-03

人工智能的智能識別算法往往取決于人工智能模型的訓練，而數據集則是人工智能模型訓練的基礎。縱觀網絡資源，雖有著海量的資源網站，卻難以找到符合項目的數據集，更別提能滿足個性化的人工智能模型訓練的需求了。因此，本文將以電路、天氣、表情等圖標為例，對中小學校園中個性化數據集創建展開討論。

● 問題提出

由于校園中人工智能項目，需要創建一系列的人工智能圖像識別模型來實現簡單的電路、天氣、表情等圖標的識別功能，而在強大的網絡中并沒有現成的電路、天氣、表情等圖標的數據集，因此如何動手創建數據集成了項目開展的關鍵。

● 思考、分析與設計

用于人工智能模型訓練的數據集需要滿足一定的數量，因為有學生的助力，中小學中數據集的制作非常容易實現，其關鍵的三個環節分別是：①獲得紙質數據集原始圖像，轉為數字原始圖像;②從數字原始圖像中分割得到電路、天氣等圖標;③按圖標分類保存圖標。其中，環節②和環節③可通過編寫程序批量處理實現。

1.數據集收集表的分析與設計

本文中涉及的數據集包含電路、天氣、表情和植物4種圖像數據，其中每種圖像數據中又有4個小分類，具體如表1所示。

為了保證學生繪制圖標和后期圖像批量處理的質量，需要進行范例圖標的設計和手繪區域的設計。在Word空白文檔中，插入一張表格，參數如表2所示。在數據集收集表文檔中增加提示性文字和范例圖標（如下頁圖1）。

2.圖像處理的算法分析

如下頁圖2所示，手繪圖標分別位于區域1至區域16的位置，批量分割區域1至16并分類存放，是圖像處理算法的核心。鑒于Python語言語法簡單、圖像處理庫豐富的特點，本案例采用Python中的pillow庫編程實現圖像批量分割、分類處理。

圖像的分割裁剪，需知待分割區域的左上角和右下角點的坐標，如分割區域1需知點A1和A7的坐標。

以A0為原點（0，0）建立平面直角坐標系，如圖3所示。

由于每個單元格的寬度、高度大小統一，因此A1至A40點的坐標數值間的關系如下：

（w為表格寬度;h為表格高度）

裁剪數字原始圖像，僅留表格部分，w、h分別為新圖像的寬度、高度。因此，圖像分割分類前需進行預處理：裁剪圖像，僅留表格區域。

● 核心代碼

根據以上分析，圖像處理一共分為以下幾步：①圖像預處理，得到表格寬度w、高度h數據;②計算區域坐標;③分割圖像，分類存儲。

1.圖像預處理核心代碼（如下頁圖4）

2.計算區域坐標核心代碼

定義imageCutXY函數，獲取待分割區域坐標，代碼如下頁圖5所示。

3.圖像分割、分類核心代碼

在imageCut函數代碼基礎上，增加圖像分類代碼，圖像分類的命名如表3所示。

因篇幅有限，僅展示1個大類的圖片分類保存的核心代碼，如下頁圖6所示。

圖像分割批處理的主程序代碼如下頁圖7所示。

● 數據集制作

有了前期的準備工作，后期只需要進行以下幾個簡單步驟就能得到想要的數據集了：

①打印數據集收集表，并請學生完成手動圖標的繪制;②收集紙質數據集收集表，并掃描得到JPG格式的數字圖像;③運行圖像預處理程序，得到預處理的圖像文件;④運行圖像處理程序，得到電路、天氣、表情等圖標的數據集（如下頁圖8）。

● 結語

在數據集制作的過程中，Python簡潔的語言和強大的圖像處理庫，大大減少了大量圖像分割、分類、命名等煩瑣重復的工作，讓枯燥的制作過程變得簡單而快速。除了pillow庫，Python還有很多其他功能強大的圖像處理庫，如OpenCV等。

在制作過程中也遇到了一些問題，在此做兩點交流分享。

問題1：數據集收集表的印刷。雖然數量需求較多，但仍然建議采用“打印”而非“速印”的方式印刷。究其原因是，“速印”會造成印刷內容位置偏移、大小變化，影響圖像后期的批量處理。

問題2：紙質數據集收集表的掃描。在采用掃描儀批量掃描時，確保：①紙質收集表的整齊;②掃描儀托盤夾的位置調整，保證稿件掃描過程中位置偏移最小化。

參考文獻：

[1]王媛媛，卜凡亮.基于Python的數字圖像處理簡單應用[J].電子技術與軟件工程，2022（03）：129-132.

[2]雷霖，范烊，趙永鑫.一種基于圖的圖像分割法及Python實現[J].內江科技，2020（07）：34.

[3]李志，陳入云.Python在數字圖像處理課程教學中的應用探索[J].創新創業理論研究與實踐，2022（10）：11-13.