npy和npz里的图片分解（格式讲解）！超级清晰版本

一、npy文件的处理

1.测一下文件的规格大小

在分解转换前 要知到你的npy文件包含几个文件！！（多少规格大小数组）
即：图片张数，水平尺寸和垂直尺寸
代码如下：

import numpy as np
arr = np.load("F:/DATA/test/2.npy")  # npy文件的路径
print(arr.shape)  # 输出 .npy 文件的大小
# print(arr)  # 直接输出 .npy 文件

然后判断 哪一个是张数。也有可能是四维的，就是两重循环，一般是第一个是总张数，第二个是每一个小类别的张数（一般是3、5张），后面两个数字是图片的规格，即水平尺寸和垂直尺寸

2.npy_png转换

代码如下：

import matplotlib.pyplot as plt
import numpy as np
import scipy.misc
import os
file_dir = "F:/DATA/test/" # npy文件路径
dest_dir = "F:/DATA/test1/" # 文件存储的路径
folder = os.listdir(file_dir)
print("11: ")
print(folder)
def npy_png(file_dir, dest_dir):
# 如果不存在对应文件，则创建对应文件
    if not os.path.exists(file_dir):
        os.makedirs(file_dir)
    if not os.path.exists(dest_dir):
        os.makedirs(dest_dir)

    for files in folder:
        file = file_dir + files  # npy文件
        print('22:'+file)
        fname= os.path.splitext(files)[0]#去掉文件后缀
        print('33:'+fname)
        con_arr = np.load(file)  # 读取npy文件
        for i in range(0, 5):    # 循环数组   三维数组分别是：图片张数  水平尺寸  垂直尺寸
            arr = con_arr[:, :,i]   # 获得第i张的单一数组
            disp_to_img = np.reshape(arr, [256,256])    # 根据需要的尺寸进行修改
            #disp_to_img = scipy.misc.imresize(arr, [256,5]) 这种我弄出不来可能包没装好吧
            plt.imsave(os.path.join(dest_dir, str(fname)+'{}.png').format(i), disp_to_img, cmap='gray')  # 定义命名规则，保存图片为灰白模式
            print('photo  finished')
if __name__ == "__main__":
    npy_png(file_dir, dest_dir)

https://qianlingjun.blog.csdn.net/article/details/115726615
https://blog.csdn.net/qq_43225437/article/details/86589892
https://blog.csdn.net/weixin_44774262/article/details/118060429?spm=1001.2014.3001.5502
最后我想分解四维的 分解成功了一个 但是另一个就是应为图片量太大 一维数值已经超过了1e9
跑不了 我就没分解masks的npy了。
我觉得很有意思啊，把图片利用矩阵压缩降维保存。

二、npz文件的处理

1.原理：

参考这篇博客
之前我一直 没办法解析里面的东西
结果 把他当作字典遍历一遍就可以找到啦
：https://www.cnblogs.com/Lilu-1226/p/9768368.html

遍历字典：
https://www.zhihu.com/question/391323836

2.代码：npz_png

import matplotlib.pyplot as plt
import numpy as np
import os
from matplotlib.pyplot import cm
cmap = cm.gray
path = "F:/DATA/test/optic-2.npz"
data = np.load(path)  #返回类似与字典的对象
for dic in data: #打印字典里的列表名
    print(dic)
img_data = data['imgs']
seg_data = data['labs']
con_arr = seg_data
dest_dir = "F:/DATA/test/labs" # 文件存储的路径
def npy_png(dest_dir):
#如果不存在对应文件，则创建对应文件
    if not os.path.exists(dest_dir):
        os.makedirs(dest_dir)
    for j in range(0,125):
        print(j)
        for i in range(0, 1):    # 循环数组   三维数组分别是：图片张数  水平尺寸  垂直尺寸
            arr = con_arr[j,i,: , :]   # 获得第i张的单一数组
            disp_to_img = np.reshape(arr, [512,512])    # 根据需要的尺寸进行修改
            #disp_to_img = scipy.misc.imresize(arr, [256,5])
            plt.imsave(os.path.join(dest_dir, str(j)+'{}.png').format(i), disp_to_img, cmap=cm.gray)  # 定义命名规则，保存图片为灰白模式
            print('photo  finished')
if __name__ == "__main__":
    npy_png(dest_dir)

说明：
应为我的npz中有两个npy列表 一个是imgs 一个是labs
所以分别找这两个地size 发现他有多少个npy文件 每一轮有多少张图片 以及图片地尺寸
改这句话就行：

con_arr = seg_data

3.求列表npy的size的代码：

mport numpy as np
#arr = np.load("F://DATA//test//optic-0.npz")  # npy文件的路径
path = "F:/DATA/test/optic-2.npz"
data = np.load(path)  #返回类似与字典的对象
#类似于： 字典{'dict_0': {'1':'!','2':'b','3':'c'},'dict_1': {'1':'!','2':'b','3':'c'}, 'dict_2': {'1':'!','2':'b','3':'c'},}
#字典就是键（key），字典内容就是值（value），然后用for循环遍历字典的键
for dic in data: #打印字典里的列表名
    print(dic)
img_data = data['imgs']
seg_data = data['labs']
print(img_data.shape)  # 输出 .npy 文件的大小
print(seg_data.shape)

重点是这两句：
print(img_data.shape) # 输出 .npy 文件的大小
print(seg_data.shape)

npy的 size函数测试结果：