【class10】人工智能初步----批量化处理

和上节课一样，我们也将“批量化处理”也拆分成类似的几步完成：
1. 读取所有文件
2.调用通用物体识别
3.提取图像分类信息
4.对应分类文件夹还未创建时，创建文件夹
5.移动图像到对应文件夹

不同的是，本节课的学习重点是完善前三个步骤。

1. 读取所有文件

如图所示，是铭铭文件夹img的部分展示。
我们在读取图像文件之前，需要获取该文件夹下所有文件列表。

获取所有文件

代码的作用

获取文件夹下所有的文件列表，需要先导入os模块。
将路径作为参数传入 os.listdir() 函数，就可以获得一个列表。
输出这个列表，查看文件夹中的所有文件或文件夹的名称。

代码示例：

# 使用import导入os模块

import os

# 将存储照片的文件夹路径'/Users/img'赋值给变量imgroot

imgroot = '/Users/img'

# 使用os.listdir()函数获取该路径下所有文件，并赋值给变量imglist

imglist = os.listdir(imgroot)

# 使用print函数输出变量imglist以确认列表内容

print(imglist)

分析代码：

获取所有文件

获取所有文件的名称，需要使用 os 调用 listdir()函数。
示例中， os.listdir() 就表示调用 listdir() 函数执行获取所有文件的操作。

文件夹路径

os.listdir() 函数中要求传入参数文件夹路径。
要查看文件夹中所有的文件，该文件夹的路径为imgroot ，就将该路径传入到 os.listdir() 函数中。

返回每个文件名

使用 os.listdir() 函数获取文件名后，返回一个列表，列表中的每个元素是文件夹中的每个文件。

这些非图像文件不需要识别也不需要分类，我们可以先将它们排除在外再进行识别和分类操作。
之前我们已经得到了所有的文件（夹）名称，现在使用for循环遍历列表中所有文件（夹）的名称，以便筛除非图像文件。

# 遍历目录下的所有文件名

for imgname in imglist:

# 使用print函数输出变量imgname

print(imgname)

【加入判断条件，剔除非图像文件】

系统文件

与图像文件对比，系统文件常见的名称特点是第一个字符就是"."。
我们可以使用字符串匹配出第一个字符是"."的文件名，用imgname[0] == '.'表示。

                    

文件夹

与图像文件对比，文件夹的特点更为明显，没有后缀名也就是没有"."。
我们可以使用not in语句筛选出不包含"."的文件名，用'.' not in imgname 表示。

                                    

接下来，我们使用if判断筛除非图像文件。
1. 筛除系统文件，使用字符串匹配出第一个字符是"."的文件名；
2.筛除文件夹，使用not in语句筛选出不包含"."的文件名；
3. 使用or语句将筛除系统文件和文件夹的操作连接起来。
注意⚠️ ：在这里，continue语句的作用是，只要符合以上任意一种情况就结束本次循环，进入下一次循环。

确认获取的文件全是图像文件后，我们直接用这个文件名组成路径，作为分类文件夹名。
用字符串拼接的方式拼接变量 imgroot、"/"、变量 imgname，将拼接后的字符串赋值给变量 filePath。

# 使用import导入os模块

import os

# 将存储照片的文件夹路径'/Users/img'赋值给变量imgroot

imgroot = '/Users/img'

# 使用os.listdir()函数获取该路径下所有的照片，并赋值给变量imglist

imglist = os.listdir(imgroot)

# 遍历目录下的所有文件名

for imgname in imglist:

    # 使用if判断筛除非图像文件

    if imgname[0] == '.' or '.' not in imgname:

        # 如果符合if判断条件，跳出本次循环，进入下一次循环

        continue

    # 组合图像文件路径

    filePath = imgroot + '/' + imgname

    # 输出图像文件的旧位置

print(filePath)

2.调用通用物体识别

到这里，我们已经完成了读取所有图像文件的操作。
接下来，我们同样调用通用物体识别接口实现对图像物体的识别。
即对'/Users/img'文件夹下所有的图像文件进行识别，输出图像中是动物还是植物，是人物还是风景。

3.提取分类结果

为了解决这个问题，我们可以通过查看返回结果有无参数result来判断是否识别成功。
只需要在之前提取分类结果的代码上加一个判断条件即可。

                   

返回指定键的值

代码的作用

get()函数用于返回指定键的值，如果键不在字典中返回默认值 None 或者设置的默认值。
第1行，定义了一个字典dict
第2行，返回指定键'root'的值
第3行，返回指定键'url'的值
'url'不在字典dict中，返回设置的默认值Nothing
第4、5行，分别输出返回值

示例代码：

dict = {'keyword': '草原', 'score': 0.790905, 'root': '自然风景-草原'}

value1 = dict.get('root')

value2 = dict.get('url', "Nothing")

print(value1)

print(value2)

分析代码：

返回指定键的值

get()函数返回指定键的值，如果键不在字典中返回默认值 空值(None)或者指定的默认值。
书写格式为：
dict.get(key, default=None)

必选参数key

参数key：字典中要查找的键
在这里，root、url都是键。

可选参数default

参数default：如果指定键不在字典中，返回默认值 None 或者指定的默认值。
在这里，url这个键不存在，所以返回了指定的默认值Nothing。

总结：

现在就能确定每个参数'root'返回的信息都包含具体类别的细分了。
但是我们不需要这些细分信息，只需要其中的上层标签即可。
每个上层标签的字符数不一样，有的2个字的，比如动物、植物，有4个字的，比如自然风景。
因此，我们需要将上层标签与具体类别进行拆解。

              

分隔字符串

代码的作用

要对字符串进行拆解，我们可以使用字符串的内置函数split()。
将分隔符作为参数传入到split()函数中，即可把字符串按照指定分隔符切分成多个字符串组成的列表。

# 将分类信息得到的字符串"自然风景-草原"赋值给value

value = "自然风景-草原"

# 只取分类结果value的上层标签并赋值给变量label

label = value.split("-")[0]

# 使用print()输出变量label

print(label)

分析代码：

拆分字符串

split()函数通过指定分隔符对字符串进行切片，并返回分割后的字符串列表。
其中分隔符默认为空格，但是不能为空('')。
在这里，分隔符就是短横线"-"。

选取切片

split()函数后面的[n]：表示选取第n个切片（从0开始）
在这里，选取的就是列表['自然风景','草原']中的第一个字符串

到这里，我们就完成了前三个步骤的升级。
后面的解题思路与上节课一样，一起来回顾一下吧～
1. 读取所有文件
2.调用通用物体识别
3.提取图像分类信息
4.对应分类文件夹还未创建时，创建文件夹
5.移动图像到对应文件夹

4.对应分类文件夹还未创建时，创建文件夹
1. 用字符串拼接的方式将文件夹和分类结果组成路径，作为分类文件夹名；
2. 使用 if not语句+os.path.exists()函数判断目标文件夹不存在的情况；
3. 如果目标文件夹不存在，使用os.mkdir(targetPath) 创建所有不存在的文件夹。

# 1.读取所有文件

# 使用import导入os模块

import os

# 将存储照片的文件夹路径'/Users/img'赋值给变量imgroot

imgroot = '/Users/img'

# 使用os.listdir()函数获取该路径下所有的照片，并赋值给变量imglist

imglist = os.listdir(imgroot)

# 从aip中导入AipImageClassify

from aip import AipImageClassify

# 将AppID"10252021"赋值给变量APP_ID

APP_ID = '10252021'

# 将API Key"ZHe7788sh11GEjIAdEKeY"赋值给变量API_KEY

API_KEY = 'ZHe7788sh11GEjIAdEKeY'

# 将Secret Key"JMMzHe7788BUSH1ZhEnM1YUEhh"赋值给变量SECRET_KEY

SECRET_KEY = 'JMMzHe7788BUSH1ZhEnM1YUEhh'

# 新建一个AipImageClassify，并赋值给变量client

client = AipImageClassify(APP_ID, API_KEY, SECRET_KEY)

# 遍历目录下的所有文件名

for imgname in imglist:

    # 使用if判断筛除非图像文件

    if imgname[0] == '.' or '.' not in imgname:

        # 如果符合if判断条件，跳出本次循环，进入下一次循环

        continue

    # 组合图像文件路径

    filePath = imgroot + '/' + imgname

    # 使用with...as以rb方式，打开路径为filePath的图片并赋值给f

    with open(filePath, 'rb') as f:

        # 使用read()读取f，赋值给变量image

        image = f.read()

   

    # 2.调用通用物体识别

    # 调用通用物体识别接口并把结果赋值给ending

    ending = client.advancedGeneral(image)

   

    # 3.提取分类结果

    # 判断是否识别成功

    if "result" in ending:

        # 从第一个结果中提取出图像分类并赋值给变量value

        # 若没有找到root信息，则分为“未分类“目录

        value = ending['result'][0].get('root', '未分类')

        # 只取分类结果value的上层标签并赋值给变量label

        label=value.split("-")[0]

        # 字符串拼接变量imgroot、"/"、变量label并将结果赋值给变量targetPath

        targetPath = imgroot + '/' + label

       

        # 4.对应分类文件夹还未创建时，创建文件夹

        # 如果目标文件夹不存在

        if not os.path.exists(targetPath):

        # 使用os.mkdir()函数创建文件夹

            os.mkdir(targetPath)

5.移动图像到对应文件夹
1. 导入 shutil 模块；
2. 使用 shutil.move() 函数将识别完成，路径为itemPath的图像移动到路径为targetPath的对应文件夹下。

# 5.移动图像到对应文件夹

        # 导入shutil模块

        import shutil

        # 使用shutil.move()函数移动文件，将图像移动到目标文件夹中

        # 将结果赋值给变量newPath

        newPath = shutil.move(filePath, targetPath)

        # 使用格式化输出“已经移动到：{newPath}”

        print(f"已经移动到：{newPath}")

至此，我们要帮助铭铭实现"电脑图像的智能识别和自动分类" 的功能就全部完成啦。
本节课是对上节课的升级，重点是帮助大家解决实现批量化处理的过程中，在读取、识别和提取这三个环节可能会遇到的一些复杂情况。

本节课的代码在电脑上运行的效果如图所示。
可以发现，几乎是一瞬间，几百张照片就全部完成识别分类并移动到指定的文件夹中。
人工智能的便捷之处，你get ✅ 了吗～