四维矩阵存储多张３维图片

　　最近申请基金，想到一个ｉｄｅａ，将常见的三维图片训练集处理为四维模糊图片，用四维图片训练集训练模型，比较新模型和旧模型的准确率。

　　网上找了一大堆，有两个博客提出这个问题，下面的回复都没什么卵用。

　　这里实现一个简单的四维矩阵存储多张一维图片例子，供大家参考。

　　对于通道的定义，比如原图是ＲＧＢ３通道，一千张图片放到四维矩阵，通道数还是３。

        之前给的代码太繁琐，这里重新修改简化了，方便读者理解和实现。

read_file函数的作用就是读取文件夹下所有的猫狗图片，每读取一张，进行三种不同程度的高斯模糊之后，定义一个四维矩阵，将包括原图在内的四张图片添加到四维矩阵中，生成一张新的图片

def endwith(s,*endstring):
   resultArray = map(s.endswith,endstring)
   if True in resultArray:
       return True
   else:
       return False
#猫狗数据集
def read_file(path):
    img_list = []
    label_list = []
    dir_counter = 0

    # 对路径下的所有子文件夹中的所有jpg文件进行读取并存入到一个list中
    for child_dir in os.listdir(path):
        child_path = os.path.join(path, child_dir)

        for dir_image in os.listdir(child_path):

            if endwith(dir_image, 'jpg'):
                
                img = Image.open(os.path.join(child_path, dir_image))
                #图片归一化处理
                img=img.resize((255,255))
                arr = np.asarray(img, dtype="float32")
                #高斯模糊处理
                image1 = img.filter(GaussianBlur(radius=1))
                arr1 = np.asarray(image1, dtype="float32")
                image2 = img.filter(GaussianBlur(radius=3))
                arr2 = np.asarray(image2, dtype="float32")
                image3 = img.filter(GaussianBlur(radius=5))
                arr3 = np.asarray(image3, dtype="float32")
                #合成四维矩阵，将图片逐个放到矩阵中
                new = np.empty((255, 255, 3, 4), dtype="float32")#最后一维是图片index
                new[:, :, :, 0] = arr
                new[:, :, :, 1] = arr1
                new[:, :, :, 2] = arr2
                new[:, :, :, 3] = arr3
                img_list.append(new)
                label_list.append(dir_counter)
        dir_counter += 1
    # 返回的img_list转成了 np.array的格式
    img_list = np.array(img_list)
    return img_list, label_list