为了将数据集中的图片统一到相同的尺寸，Python 提供了多种库可以简化这个过程。最常用的两个工具包是`PIL ( Pillow )` 和 `opencv-python`。 下面是一个简单的例子，它展示了如何使用 PIL 将一批图像调整为固定大小： ```python from PIL import Image def resize_image(image_path, output_folder, size): """Resize an image to the given size.""" with Image.open(image_path) as img: resized_img = img.resize(size) base_name = os.path.basename(image_path) save_path = os.path.join(output_folder,base_name) resized_img.save(save_path) import os input_folder='your_input_images_directory' output_folder='your_output_images_directory' # 确保输出文件夹存在 if not os.path.exists(output_folder): os.makedirs(output_folder) size=(256, 256) # 新的宽高设定 for file in os.listdir(input_folder): if file.endswith('.jpg') or file.endswith('.png'): path=os.path.join(input_folder,file) resize_image(path,output_folder,size) ``` 这段脚本首先导入必要的模块并定义了一个函数用于打开、转换和保存一张单独的照片；接着遍历指定目录下的所有 .jpg 或者 .png 文件，并调用上述函数逐一对它们进行操作，最终结果会存储在一个新的目标路径下。 如果你想要更高效的批量处理或者是对视频帧等动态内容做变换，则推荐考虑 OpenCV 库: ```python import cv2 import numpy as np import glob image_files=glob.glob("path_to_your_dataset/*") target_size=(400 ,400 ) for i,image_file in enumerate(image_files): img=cv2.imread(image_file,cv2.IMREAD_COLOR) resized=cv2.resize(img,target_size) cv2.imwrite(f'resized_{i}.jpg',resized) ``` 此代码片段实现了类似的功能但是采用了OpenCV的方式读取与写入图像并且同样支持自定义宽度高度参数以适应特定需求．此外还可以方便地集成更多的图像增强功能如旋转裁剪等等.