深度学习|批处理图像保存到四维数组中

将文件夹中不同尺寸的图像保存到四维的数组中，作为数据集

方法1：

import numpy as np
import tensorflow as tf
from skimage import io
import os
import cv2
import matplotlib.pyplot as plt
from PIL import Image   #导入Image模块
def get_imagelist(path):   """此函数读取特定文件夹下的jpg格式图像,返回图片所在路径的列表函数输入：-path:图像文件夹路径函数输出：-imglist:图片所在路径列表"""imglist=[os.path.join(path,f) for f in os.listdir(path) if f.endswith('.jpg') ]return imglistdef img_bprocess(path,m,n):"""该函数返回图像组成的数组函数输入：-path:图像文件路径-m:图像长-n:图像宽函数输出：X_train:输出数据集数组.size(d,m,n,3)"""imglist=get_imagelist(path) #print (imglist)     #这里以list形式输出jpg格式的所有图像（带路径）d=len(imglist)    #这可以以输出图像个数，如果你的文件夹下有500张图片，那么d为500#print("图片个数：",d)X_train=np.empty((d,m,n,3))#建立d*（m,n,3）的矩阵while d>0:img=Image.open(imglist[d-1])  #打开图像img_ndarray=np.asarray(img)  #将图像转化为数组#print(img_ndarray.shape)#将所有图像reshape为（m，n，3）img_ndarray=np.resize(img_ndarray,(m,n,3))#将图像的矩阵形式保存到（d，m，n，3）四维数组中X_train[d-1]=img_ndarray    d=d-1return X_train

引用函数的实例：

import numpy as np
import tensorflow as tf
from skimage import io
import os
import cv2
import matplotlib.pyplot as plt
from data_set_creat import img_bprocesspath='E:/vscodeproject/practice_project/datasets/deep_nn/train/'
X_train=img_bprocess(path,224,224)

结果：

方法2：

def img_bcreat_2(path,m,n):"""函数输入：-path:图像文件路径-m:图像长-n:图像宽函数输出：X_train:输出数据集数组.size(d,m,n,3)"""imglist=os.listdir(path)d=len(imglist)X_train=np.empty((d,m,n,3))i=0for img in imglist:img_path=os.path.join(path,img)img=cv2.imread(img_path)data=cv2.resize(img,(m,n),interpolation=cv2.INTER_CUBIC)X_train[i][:,:,:]=datai=i+1return X_train