04-多帧图片转换为高通道数组_帧数据转数组-CSDN博客

本文链接：https://blog.csdn.net/qq_37972530/article/details/81054782

一、前言
经过短暂的认知实习学期的学习，笔者得到一个需求，那就是需要把一系列图片整合在一起形成一个高通道的图片，然后以一个二维数组的形式进行保存，这里的技术要求其实不是很难，但是对于细节的处理和把握还是相对比较高的，下面做一下简要的介绍。

二、数据集介绍
首先这个是一个8分类的数据集，每个分类在单独的一个文件夹下面，每一个文件夹下面还有若干个子文件夹，每个子文件夹下面存放的是若干后缀名为.jpg图片序列。

三、执行步骤（思路整理）
1.使用交互式的形式创建会话

sess=tf.InteractiveSession()

2.遍历数据集中所有文件夹（类别文件夹）

image_set_list=os.listdir(FOLDERNAME)
os.chdir(FOLDERNAME)
for folder in image_set_list:

其中os.chdir 为os的一个方法，用于定位文件作用域信息。
3.遍历每一个folder的子目录（图片文件夹）

 num_a_list=os.listdir(folder)
    #遍历folder下面的所有目录
    os.chdir(folder+'/'+num_a_list[0]+'/')
    for num in num_a_list:

这里的os.chdir用于定位，辅助循环遍历
4.图片变换解码及通道数叠加

        #这里规格化的每张图片尺寸为108×108=11664
        #temp_variable为初始叠加值
        temp_variable=np.zeros((11664,0))
        for i in range(len(os.listdir('./'))):
        #循环进入图片子目录
            #读取每张图片的信息
            file_contents=tf.read_file('%d.jpg'%i)
            对图片进行相应格式的解码
            image_tensor=tf.image.decode_jpeg(file_contents,channels=1)
            #对图片进行相应的切除
            crop_to_bounding_box = tf.image.crop_to_bounding_box(image_tensor, offset_width=170, offset_height=0,
                                                             target_width=450, target_height=432)
            #对图片进行resize
            image_tensor = tf.image.resize_images(images=crop_to_bounding_box, size=(108, 108),
                                                      method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)
            #将图片变换为二维数组
            image_tensor=tf.reshape(image_tensor,shape=(11664,1))
            #将tensor对象转化为np.array对象
            image_np=image_tensor.eval(session=sess)
            #叠加
            out_np=np.c_[temp_variable,image_np]
            temp_variable=out_np
            #打印
            print(temp_variable)

5.数据保存

        for i in range(25-len(os.listdir('./'))):
            zeros_np=np.zeros((11664,1))
            out_np=np.c_[temp_variable,zeros_np]
            temp_variable=out_np
        np.savetxt('../array%d-25-%s.txt'%(len(os.listdir('./')),num[4:]),temp_variable)
        os.remove("../num")

四、数据集提取

os.chdir("image_set/")
list_y=[1,2,3,4,5,6,7,8]
list_x=['a','b','c','d','e','f','g','h']
os.chdir(list_x[0])
out_y=[]
out_x=[]
for i in range(len(list_x)):
    os.chdir('../'+list_x[i]+'/')
    for item in os.listdir('./'):
        train_img=np.loadtxt(item)
        out_y.append(list_y[i])
        out_x.append(train_img)
        print(train_img)
        print(out_y)

#提取到的训练集
train_img=out_x
train_label=out_y
print(len(train_img))
print(len(train_label))