Keras CNN 训练数据（一）：图片预处理

图片预处理包括重新定义图片的名称、重新定义图片的大小以及将图片加载到列表、图像和标签

重新定义图片名称的代码如下：

import os
import numpy as np
from PIL import Image

#重新命名
def FileRename(DogType,FilePath):
    #DogType: 图片的种类
    #FilePath: 图片的路径
    type_counter = 0
    for type in DogType:
        file_counter = 0
        subfolder = os.listdir(FilePath + type)
        for subclass in subfolder:
            file_counter += 1
            os.rename(FilePath + type +'/' + subclass, FilePath + type + '/' +                 
                      str(type_counter) + '_' + str(file_counter) + 
                      subclass.split('.')[0] + '.jpg')
        type_counter += 1

重新定义图片大小的代码如下：

def FileResize(Output_floder, DogType, FilePath, Width = 100, Hight = 100):
    #Output_floder: 新图片将要输出到的路径
    #DogType: 图片的种类
    #FilePath: 图片的路径
    #Width: 新图片的高
    #Hight: 新图片的宽
    for type in DogType:
        for i in os.listdir(FilePath + type):
            img_open = Image.open(FilePath + type + '/' + i)
            conv_RGB = img_open.convert('RGB')
            Resize_img = conv_RGB.reszie((Width, Hight), Image.BILINEAR)
            Resize_img.save(os.path.join(Output_floder,os.path.basename(i)))

将图片加载到列表、图像和标签的代码如下：

#读取图片 返回array
def Readimage(filename, train_folder):
    #filename: 读取图片的名称
    #train_folder: 读取图片的目录
    image = Image.open(train_folder + filename)
    return np.array(image)
#图片加载到列表 图像 和 标签
def DataSet(train_folder):
    #train_folder: 图片的目录
    Train_imge_list = []
    Train_label_list = []
    for file in os.listdir(train_folder):
        file_to_array = Readimage(filename=file, train_folder = train_folder)
        Train_imge_list.append(file_to_array)
        Train_label_list.append(int(file.split('_')[0]))
    Train_imge_list = np.array(Train_imge_list)
    Train_label_list = np.array(Train_label_list)