读取数据集图片

1：展示数据集中某一张图片的颜色、尺寸和图片。

import matplotlib.pyplot as plt
from PIL import Image
 
img = Image.open('images/n01440764_tench.JPEG')#一定不要忘记改路径
print(img.size)
print(img.mode)
plt.imshow(img) 
plt.show()

2：查看数据集里有多少张图片。

import os
import torch
path ='images'  #文件夹路径
count = 0
for file in os.listdir(path): #file 表示的是文件名
    count = count+1
print(count)

3：查看维度和类型。

import matplotlib.pyplot as plt
import cv2
 
img = cv2.imread('images/n01440764_tench.JPEG')
print(img.shape)
print(type(img))
io.imshow(img)
plt.show()
#以上代码读出来的图片会变色，是因为cv2读取彩色图片通道顺序为B、G、R，PIL显示图片是R、G、B顺序，因此读出来图片颜色会改变，需要对图像通道进行调序。

#不变色版本

import matplotlib.pyplot as plt
import cv2
from skimage import io,data


 
img = cv2.imread('images/n01440764_tench.JPEG')
b,g,r = cv2.split(img)
img = cv2.merge([r,g,b])
print(img.shape)
print(type(img))
io.imshow(img)
plt.show()

Image.open()读出来的图片是没有shape这个说法的，即只显示图片尺寸，没有通道数。

##深度学习过程中，需要制作训练集和验证集、测试集。
 
import os, random, shutil
def moveFile(fileDir):
        pathDir = os.listdir(fileDir)    #取图片的原始路径
        filenumber=len(pathDir)
        rate=0.1    #自定义抽取图片的比例，比方说100张抽10张，那就是0.1
        picknumber=int(filenumber*rate) #按照rate比例从文件夹中取一定数量图片
        sample = random.sample(pathDir, picknumber)  #随机选取picknumber数量的样本图片
        print (sample)
        for name in sample:
                shutil.move(fileDir+name, tarDir+name)
        return
 
if __name__ == '__main__':
    fileDir = "./source/"    #源图片文件夹路径
    tarDir = './result/'    #移动到新的文件夹路径
    moveFile(fileDir)