用不同分辨率的图像制作数据集

 

一、数据集的组成

数据集里面包含各种分辨率的图像，最开始的想法是将所有图像重新制作在一个文件夹下。

因为我的数据集里面名字都不是完全按照次序命名的，但是幸好在一个excel里有备注这些图像的次序

所以，做的第一件事就是用pa.read_excel读取本地excel表格获取图像名称

data_excel = pd.read_excel('***.excel',header = 0) 

 这里，***是excel的名称，header=0代表取第一行的值为列名，然后读取在excel里标注的图像文件名称

获取图像名称所在列的list

img_name = list(data_excel['Left-Fundus']

其中，Left-Fundus为图像名称的列名，图像名称全部保存在img_name这个list里面，然后通过循环一步步读取出来即可 

在之前，要根据图像的数量，大小创建一个array

Nimgs = 3500
rows = 1296
cols = 1936
channels = 3

data = np.empty((Nimgs,rows,cols,channels),dtype='uint8')

 然后依次读取图像，这里我们用Python的PIL库读取图像

for i in range(Nimgs):
    im = Image.open(img_path+"/"+img_name[i])
    im_resize = im.resize((cols,rows))
    im_resize = array(im_resize)
    
    data[i,:,:,:] = imresize

这里，有几点要注意，血的教训，open出来的即时是3通道图，在resize时，也只需要resize((cols，rows))，里面只有长宽两个参数，千万别以为是每隔通道单独拆开resize；其次，是resize里面参数的次序与array的次序相反，比如resize((100,200))，出来的图像是200行*100列，而array里初始化时的array(100,200)是100行*200列，所以这里要注意大小的一致，后面才能将图像转化为array。

到这里，所有的图像就都存在一个大小为[Nimgs, rows, cols, channels]的array里面了。