Python通过fer2013.csv提取FER2013的表情图片

FER-2013数据集下载： FER-2013数据集的具体下载方式可以参考博客：https://editor.csdn.net/md/?articleId=123421725

FER-2013数据集结构：

• 下载后的数据集为一个压缩文件，如下所示：

• 对其进行解压得到如下，其中fer2013.csv是最重要的，其他两个都是在说引用文献及引用格式的事。

• fer2013.csv的内容如下，包括了图像的情绪类别（0-6分别代表着6种基本情绪+中性）、图像的像素值（图像大小为48*48）、图像用途（Training、PublicTest和PrivateTest）。

提取表情图像：

#encoding:utf-8
import pandas as pd
import numpy as np
from PIL import Image
import os
 
emotions = {
    '0':'anger', #生气
    '1':'disgust', #厌恶
    '2':'fear', #恐惧
    '3':'happy', #开心
    '4':'sad', #伤心
    '5':'surprised', #惊讶
    '6':'netural', #中性
}
 
#创建文件夹
def createDir(dir):
    if os.path.exists(dir) is False:
        os.makedirs(dir)
 
def saveImageFromFer2013(file):
 
 
    #读取csv文件
    faces_data = pd.read_csv(file)
    imageCount = 0
    #遍历csv文件内容，并将图片数据按分类保存
    for index in range(len(faces_data)):
        
        #解析每一行csv文件内容
        emotion_data = faces_data.loc[index][0]
        image_data = faces_data.loc[index][1]
        usage_data = faces_data.loc[index][2]
        #将图片数据转换成48*48
        data_array = list(map(float, image_data.split()))
        data_array = np.asarray(data_array)
        image = data_array.reshape(48, 48)
        #print (image)
 
        #选择分类，并创建文件名
        dirName = usage_data
        #dirName = 'E:\\fer2013'+'./'+usage_data
        emotionName = emotions[str(emotion_data)]
 
        #图片要保存的文件夹
        imagePath = os.path.join(dirName, emotionName)
        #imagePath = dirName+'./'+emotionName
        # 创建“用途文件夹”和“表情”文件夹
        createDir(dirName)
        createDir(imagePath)
 
        #图片文件名
        imageName = os.path.join(imagePath, str(index) + '.png')

        image = Image.fromarray(image)
        #print(image.mode) 
        #注意上面的data_array = list(map(float, image_data.split()))如果这里为float,则image.mode为F，若这里为int,则image.mode为I，首先F是无法转为jpg或png的
        #其次F和I都是32位的，而电脑只能看8位的，因此，需要转为L(8位)
        image = image.convert('L') #电脑只能显示8个bit的，所以要转为‘L'。这里不懂的可以去看看image的mode是什么，以及不同的mode分别是什么情况
        image.save(imageName)

        imageCount = index
    print('总共有' + str(imageCount) + '张图片')
 
 
if __name__ == '__main__':
    saveImageFromFer2013(r'E:\fer2013\fer2013.csv')

Python中PIL的9种不同模式

mode	Introduce
1	模式“1”为二值图像，非黑即白。但是它每个像素用8个bit表示，0表示黑，255表示白。
L	模式“L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。在PIL中，从模式“RGB”转换为“L”模式是按照下面的公式转换的：L = R * 299/1000 + G * 587/1000+ B * 114/1000
P	模式“P”为8位彩色图像，它的每个像素用8个bit表示，其对应的彩色值是按照调色板查询出来的。
RGB	模式“RGB”(RED，GREEN，BLUE)
RGBA	模式“RGBA”为32位彩色图像，它的每个像素用32个bit表示，其中24bit表示红色、绿色和蓝色三个通道，另外8bit表示alpha通道，即透明通道。
CMYK	模式“CMYK”为32位彩色图像，它的每个像素用32个bit表示。模式“CMYK”就是印刷四分色模式，它是彩色印刷时采用的一种套色模式，利用色料的三原色混色原理，加上黑色油墨，共计四种颜色混合叠加，形成所谓“全彩印刷”。四种标准颜色是：C：Cyan = 青色，又称为‘天蓝色’或是‘湛蓝’M：Magenta = 品红色，又称为‘洋红色’；Y：Yellow = 黄色；K：Key Plate(blacK) = 定位套版色（黑色）。PIL中“RGB”转换为“CMYK”的公式如下：C = 255 - R，M = 255 - G，Y = 255 - B，K = 0
YCbCr	模式“YCbCr”为24位彩色图像，它的每个像素用24个bit表示。YCbCr其中Y是指亮度分量，Cb指蓝色色度分量，而Cr指红色色度分量。人的肉眼对视频的Y分量更敏感，因此在通过对色度分量进行子采样来减少色度分量后，肉眼将察觉不到的图像质量的变化。模式“RGB”转换为“YCbCr”的公式如下：Y= 0.257R+0.504G+0.098B+16，Cb = -0.148R-0.291G+0.439B+128，Cr = 0.439R-0.368G-0.071*B+128
I	模式“I”为32位整型灰色图像，它的每个像素用32个bit表示，0表示黑，255表示白，(0,255)之间的数字表示不同的灰度。在PIL中，从模式“RGB”转换为“I”模式是按照下面的公式转换的：I = R * 299/1000 + G * 587/1000 + B * 114/1000
F	模式“F”为32位浮点灰色图像，它的每个像素用32个bit表示，0表示黑，255表示白，(0,255)之间的数字表示不同的灰度。在PIL中，从模式“RGB”转换为“F”模式是按照下面的公式转换的：F = R * 299/1000+ G * 587/1000 + B * 114/1000

电脑位深度查询

• 可以看到，电脑位深度只有8位。因此对于像素值为70的点来说，如果将它存为32位，再用深度只有8位的电脑显示，则基本就是漆黑一片。所以在用8位深度的电脑进行显示之前，要先将32位转为8位，再进行显示。

永远相信美好的事情即将发生🎈