图像处理ORL--训练集及测试集建立--Matlab实现

在深度学习的研究与学习过程中，往往对神经网络的网络结构以及代码有比较好的理解，但基于matlab的数据集建立等操作经常困扰初学者。
今天带来matlab数据集建立的文件结构与代码。

文件格式

首先将图片保存在当前运行文件的文件夹中，将其命名为指定格式，如下图：

上图中给出的ORL包中，有100张图片，他们的编号模型为s*_!，其中*代表类别，!代表本张照片在该类中的编号。
于是可以通过以下代码将其读入matlab。
下面展示一些 内联代码片。

// A code block
var foo = 'bar';

// An highlighted block


train_count=1;
test_count=1;
for i=1:10
    for j=1:10
        F=imread(['s',num2str(i),'_',num2str(j),'.bmp']);%彩图
        F=reshape(F,1,10304);
        F=double(F);
        if j==8||j==9||j==10
            test_data(test_count,:)=F;
            test_label(test_count,:)=i;
            test_count=test_count+1;%标签自加
        else
            train_data(train_count,:)=F;
            train_label(train_count,:)=i;
            train_count=train_count+1;%测试集标签自加
        end
    end
end
[Pro_Matrix,Mean_Image]=my_pca(train_data,20);
%PCA

我们可以看见，通过两个for循环可将文件名依次遍历，根据文件名对图片进行依次读取，并根据文件名读取每个图片的label。
在for循环中也可以将图片展成一维等操作。
当然，文件的具体命名格式也可以自己定义！

总结

在matlab中，文件名是以字符串形式出现的，故可以通过字符串读取文件，通过for循环更改字符串中的数字来实现数据集的建立与label的读取。