python学习-简单图像识别分类

python学习—图像识别

这是我从零基础开始学习的图像识别，当然用的是容易上手的python来写，持续更新中，记录我学习python基础到图像识别应用的一步步过程和踩过的一些坑。最终实现得到自己的训练模型（h5或者pb模型），可随意更改需要识别的物品，只要有数据就行。（若有错误或问题，肯请指正）

安装编译环境

此前确保已经安装并配置好了Python环境，在此我选择了比较流行的pycharm，具体安装教程网上很多，也比较简单。

安装所需库

我是利用了anaconda命令安装的，本项目所需用的库为：
keras、numpy、tensorflow2.0（我的是GPU版本），
GPU版本速度快但安装起来比较麻烦。

导包

import os
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras import datasets, layers, models

一、接下来就是处理你的图片数据集

在这里我只提供了需要的函数，若果是自己的数据学要修改其中的变量，包括图片路径、传入参数等。

1.转换图片像素，使其大小一致

def read_image(paths):
    os.listdir(paths)
    filelist = []
    for root, dirs, files in os.walk(paths):
        for file in files:
            if os.path.splitext(file)[1] == ".jpg":
                filelist.append(os.path.join(root, file))
    return filelist
def im_xiangsu(paths):
    for filename in paths:
        try:
            im = Image.open(filename)
            newim = im.resize((128, 128))
            newim.save('F:/CNN/test/' + filename[12:-4] + '.jpg')
            print('图片' + filename[12:-4] + '.jpg'