Corrupt JPEG data: 2 extraneous bytes before marker 0xd9

场景

异常：Corrupt JPEG data: 2 extraneous bytes before marker 0xd9

python语言，CV2读图像数据集，训练目标检测模型。在数据集分批送入模型训练过程中，出现大片图片异常情况。
在这里插入图片描述

（建议直接去看修复图像方法二，简单直接）

原因分析

在 python 中导入python-opencv库，读图难以检测到这个问题

产生图像读取异常的主要原因：图像数据在读取时，因为图像格式问题，解析含有data[0]数据段时，若data[0]后面还有其他字段，需要加上data[0]的实际长度才能赋值后面的字段，否则会覆盖data[0]中相关字段。
由于数据集中图像损坏或不完整的 jpeg 图像引起的低级 C 错误，opencv报的warning，在 python 中难以检测到。

3.可能是图像截取或微信下载的时候，命名导致，或重命名图像造成格式上的不对应。

解决办法

使用yolov训练数据集时，出现该错误，不影响训练流程，程序会自动跳过错误的数据。所以，会中断异常的batch，跳过后正常训练。但是，毕竟缺太多关键数据，感觉对不起标注时的付出。所以，想到一个笨办法来解决这个问题，修复图像。

解决步骤：
1）复现异常，找出问题图像。
因为训练数据集图像很多，几千张，要找出来不容易。它在python里面是一个警告，需要用CV2读图的时候才会爆出这个异常。我这里有个笨办法：用手动二分法和cv2.imread读图来定位图像。

def checkImg(dirPath):
    for fileName in os.listdir(dirPath):
        filePath = Path(os.path.join(dirPath, fileName))
        if filePath.suffix.lower() in [".jpg", ".jpeg", ".png", ".gif", ".bmp", ".tiff"]:  # 图片扩展名
            try:
                img = cv2.imread(os.path.join(dirPath, fileName))
            except cv2.error as e:
                print("图片损坏,图片名称：", fileName, e)

a. 输入图像数据集所在路径path1，运行checkImg。问题图像有多少，就会打印到多少个异常警告。
在这里插入图片描述
因为，图像有这个问题，不会终止，会pass，继续下一个。所以需要手动分数据，手动二分法找数据。如果有1000张图，有一张有问题，则需要分10次（2的10次方=1024）。
b. 然后，另外建立一个文件夹path2。分一半数据过去。
再运行checkImg（路径不变）。
在这里插入图片描述
如图，证明剩下的文件path1里面还有一张问题图像。
c. 再建一个文件夹path3，分一半数据出去。
再运行checkImg（路径不变）。

如图，证明该路径path1的图片都是正常的，可以设置文件夹名称为ok。有异常的那一张图在刚分出去的路径path3里面。将path3里的数据分一半到path4。
d.再运行checkImg（path3）
…
一直循环，直到找出问题图像。（1000张图，找10次；2000张，要重复找11次）

将所有有问题的图像归集到bug文件夹。
在这里插入图片描述

2）修复图像。
修复图像方法有两种。
方法一：利用photoshop另存图像数据，达到修复的目的。
a. 打开Photoshop（简称ps），选中所有问题图像，全部拉到ps窗口。
在这里插入图片描述
b. 选中一个目标，导航菜单处，点击文件，存储为（A），存储替换图像。

c. 保存，替换。

d.确定。

e. 所有的问题图都重新存储一遍。
f. 然后，执行checkImg（bug）,检查所有图像是否修复。

修复完毕。完美。

方法二、用py-opencv直接批量另存问题图像。可以直接用代码，好的坏的全部另存，不用手动查找问题图像。

def convertImg(dirPath):
    # 修复图像另存地址。没有该文件夹就创建。
    saveDir = r"D:\...\Datasets\HeightBuildingUnderConstruction2023\measureBuildingHeightwith3mRuler\testImage\checkImg\xiufu"
    if not os.path.exists(saveDir):
        os.makedirs(saveDir)
    # 遍历有问题的数据文件夹，中找到所有的图片。
    for fileName in os.listdir(dirPath):
        filePath = Path(os.path.join(dirPath, fileName))
        if filePath.suffix.lower() in [".jpg", ".jpeg", ".png", ".gif", ".bmp", ".tiff"]:  # 图片扩展名
            try:
                img = cv2.imread(os.path.join(dirPath, fileName))  # 读图像数据
                new_path = os.path.join(saveDir, fileName)
                cv2.imwrite(new_path, img)  # 另存同名，同扩展名图像。不破坏数据集
            except cv2.error as e:
                print("图片损坏,图片名称：", fileName, e)
    print("全部图像已另存！")