深度学习——自己的训练集——图像分类（CNN）

随机找100张图片，然后进行打标签，我用的labelImg打标签，存储的格式为.txt格式。
图片存储在‘561’文件夹中，标签存储在‘99’文件夹中。
把100图片的标签分别是sad，happy，amazed，anger。

1.导入必要的库

cv2: 这是OpenCV库的别名，它是一个强大的计算机视觉库，用于图像和视频处理。
matplotlib.pyplot as plt: Matplotlib是一个绘图库，pyplot是其中的一个模块，它提供了一个类似于MATLAB的绘图框架。plt是matplotlib.pyplot的常用别名。
numpy as np: NumPy是一个用于科学计算的库，它提供了高效的数组处理能力，对于图像处理等任务非常有用。
os: 这个模块提供了与操作系统交互的功能，比如文件和目录操作。
random: 这个模块提供了生成随机数的函数。

import cv2
import matplotlib.pyplot as plt
import numpy as np
import os
import random

2.指定图像和标签文件夹路径

images_folder = 'D:/rgzn/face/DATASET/561'
labels_folder = 'D:/rgzn/face/DATASET/99'

3.获取文件夹内的所有图像文件名

os.listdir()函数用于列出指定目录下的所有文件和子目录。
os.path.isfile()函数用于检查一个路径是否指向一个文件。
os.path.join()函数用于将目录和文件名组合成一个完整的文件路径。

这行代码的目的是从一个指定的文件夹中获取所有图像文件的列表。

image_files = [f for f in os.listdir(images_folder) if os.path.isfile(os.path.join(images_folder, f))]

os.listdir(images_folder)：这个函数调用返回一个列表，包含images_folder目录下的所有文件和子目录的名称。

for f in os.listdir(images_folder)：这是一个循环，它遍历images_folder目录下的每个文件和子目录的名称。在每次迭代中，f变量被设置为当前文件或子目录的名称。
os.path.isfile(os.path.join(images_folder, f))：这个条件用于检查f是否是一个文件。os.path.join(images_folder, f)创建一个完整的文件路径，将images_folder目录的路径和f（文件或子目录的名称）连接起来。

[f for f in os.listdir(images_folder) if os.path.isfile(os.path.join(images_folder, f))]：这个列表推导式创建一个新的列表，只包含那些通过os.path.isfile()检查确认为文件的f值。

4.获取classes.txt文件中的所有标签

with open(os.path.join(labels_folder, 'classes.txt'), 'r') as file:
    labels = file.readlines()
labels = [label.strip() for label in labels]  # 去除末尾的换行符

with open(os.path.join(labels_folder, ‘classes.txt’), ‘r’) as file:

os.path.join(labels_folder, 'classes.txt')：这个函数调用用于创建一个完整的文件路径，将labels_folder目录的路径和classes.txt文件名连接起来。
with open(...) as file：这是一个上下文管理器（context manager），它用于自动处理文件资源的打开和关闭。当with语句执行完成后，文件会自动关闭，即使遇到异常也是如此。
file：这是上下文管理器创建的一个文件对象，可以用来读取文件内容。

labels = file.readlines()

file.readlines()：这个方法调用用于读取文件中的所有行，并将它们作为一个字符串列表返回。每一行都是一个列表项。
labels = ...：这个赋值语句将读取到的行列表赋值给变量labels。

labels = [label.strip() for label in labels]

这是一个列表推导式（list comprehension），它遍历labels列表中的每个字符串（即文件中的每行内容）。
label.strip()：这个方法调用用于去除字符串首尾的空白字符（如空格、换行符等）。
for label in labels：这个循环遍历labels列表中的每个字符串。
[...]：这个列表推导式创建一个新的列表，包含去除空白字符后的字符串。

5.初始化一个字典来存储图片名和对应的标签

image_labels = {}

6.遍历每个图片名的.txt文件

for image_file in image_files:
    # 构建图片名.txt文件的完整路径
image_name = os.path.splitext(image_file)[0]  # 获取不带扩展名的图片名
    txt_path = os.path.join(labels_folder, image_name + '.txt')
    
    # 读取图片名.txt文件的内容
    with open(txt_path, 'r') as file:
        lines = file.readlines()
    
    # 假设每行包含一个数字序列
    numbers = lines[0].strip().split()  # 假设每行由空格分隔
    
    # 根据数字序列的第一个数字确定标签
    # 根据您提供的映射关系
    label_index = int(numbers[0])
    label = labels[label_index]
    
    # 将图片名和对应的标签存储在image_labels字典中
image_labels[image_file] = label

image_name = os.path.splitext(image_file)[0]：

os.path.splitext(image_file)：这个函数调用用于将image_file（一个文件名）分割成两部分：文件名和扩展名。返回的元组中的第一部分是文件名，第二部分是扩展名。
[0]：这个索引操作符用于获取元组中的第一个元素，即不带扩展名的文件名。

txt_path = os.path.join(labels_folder, image_name + ‘.txt’)：

os.path.join(labels_folder, image_name + '.txt')：这个函数调用用于创建一个完整的文件路径，将labels_folder目录的路径和image_name（不带扩展名的文件名）连接起来，并在最后加上.txt扩展名。
txt_path：这个变量存储了.txt文件的完整路径。

with open(txt_path, 'r') as file:：

with open(...) as file:：这是上下文管理器，用于自动处理文件资源的打开和关闭。
file：这个变量是上下文管理器创建的文件对象，用于读取.txt文件的内容。

lines = file.readlines()：

file.readlines()：这个方法调用用于读取.txt文件中的所有行，并将它们作为一个字符串列表返回。每一行都是一个列表项。
lines：这个变量存储了.txt文件中所有行的列表。

numbers = lines[0].strip().split()：

lines[0]：这个索引操作符用于获取.txt文件中第一行的内容。
.strip()：这个方法调用用于去除字符串首尾的空白字符（如空格、换行符等）。
.split()：这个方法调用用于根据指定的分隔符（在这个例子中是空格）将字符串分割成列表。
numbers：这个变量存储了.txt文件第一行内容去除空白字符并分割成列表后的版本。

label_index = int(numbers[0])：

int(numbers[0])：这个函数调用用于将列表numbers的第一个元素（即标签的索引）转换为整数。
label_index：这个变量存储了标签的索引。

label = labels[label_index]：

labels[label_index]：这个索引操作符用于根据label_index变量中存储的索引，从labels列表中获取对应的标签字符串。
label：这个变量存储了从.txt文件中解析出的标签。

7.随机选择一张图片进行展示

#调用用于生成一个随机整数，其范围是从0到image_files列表的长度减1。
random_index = random.randint(0, len(image_files) - 1)

#根据random_index变量中存储的随机索引值，从image_files列表中获取对应的图像文件名。
image_name = image_files[random_index]

#用于根据image_name变量中存储的图像文件名，从image_labels字典中获取对应的标签。
label = image_labels[image_name]

8.构建图像的完整路径

创建一个完整的文件路径，将images_folder目录的路径和image_name连接起来。
image_path：这个变量存储了随机选择的图像文件的完整路径。

image_path = os.path.join(images_folder, image_name)

9.加载图像

读取图像文件

image = cv2.imread(image_path)

10.检查图像是否为空

#用于确定image变量是否为None
if image is None:
#图像加载失败，打印一条错误消息。
    print("Error: Failed to load image.")
else:
# 显示图像
#将图像从OpenCV的BGR颜色空间转换为Matplotlib的RGB颜色空间。OpenCV默认使用BGR颜色空间，而大多数图像处理库和图形界面（如Matplotlib）使用RGB颜色空间。
    plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title(f'Label: {label}  Image: {image_name}')
#用于关闭图像的坐标轴。这使得图像占据整个窗口，而不是在坐标轴周围留有空白。
plt.axis('off')
#显示图像。
plt.show()