使用npy转image图像并保存的实例
1.用于分类模型:
importnumpyasnp importscipy.misc importcv2 importos #DF1 path="/home/pi/工作/predict1/" npy_list=os.listdir(path) save_path="/home/pi/predict1_img/" ifnotos.path.exists(save_path): os.mkdir(save_path) foriinrange(0,len(npy_list)): print(i) print(npy_list[i]) npy_full_path=os.path.join(path,npy_list[i]) img=np.load(npy_full_path)#load进来 save_full_path=os.path.join(save_path,npy_list[i][:-4]) scipy.misc.imsave(save_full_path,img)#保存
2.用于分割模型
""" 将数据集随机分成训练集、测试集 传入参数: ratio=0.7#训练样本比例 path="/home/pi/20190701_0705"#数据路径 new_path="/home/pi/20190701_0705_new2"#保存路径 使用方法: temp=Generate_Train_and_Test(path,new_path,ratio) temp.splict_data() """ importrandom importos importcv2 defmakeDir(path): try: ifnotos.path.exists(path): ifnotos.path.isfile(path): #os.mkdir(path) os.makedirs(path) return0 else: return1 exceptExceptionase: print(str(e)) return-2 classGenerate_Train_and_Test: def__init__(self,path,new_path,ratio): ifnotos.path.exists(new_path): makeDir(new_path) self.path=path self.new_path=new_path self.ratio=ratio self.train_sample_path=os.path.join(new_path,"train") self.test_sample_path=os.path.join(new_path,"test") makeDir(self.train_sample_path) makeDir(self.test_sample_path) defsplict_data(self): class_names=os.listdir(self.path)#类别:bgandng10 fornameinclass_names: print("processclassname=%s"%name) tmp_class_name=os.path.join(self.path,name) save_train_class_name=os.path.join(self.train_sample_path,name) save_test_class_name=os.path.join(self.test_sample_path,name) makeDir(save_train_class_name) makeDir(save_test_class_name) ifos.path.isdir(tmp_class_name): image_names=os.listdir(tmp_class_name)#其中一个类别的所有图像 image_names=[fforfinimage_namesifnotf.endswith('_mask.png')] total=len(image_names) #1,打乱当前类中所有图像 random.shuffle(image_names) #2,从当前类(ng)中,取前面的图像作为traindata train_temp=int(self.ratio*total)#打乱后,取前面作为train_data foriinrange(0,train_temp): print(i,image_names[i]) temp_img_name=os.path.join(tmp_class_name,image_names[i]) train_image=cv2.imread(temp_img_name) temp_label_name=os.path.join(tmp_class_name,image_names[i][:-4]+'_mask.png') train_label=cv2.imread(temp_label_name) save_train_img_name=os.path.join(save_train_class_name,image_names[i]) cv2.imwrite(save_train_img_name,train_image) save_train_label_name=os.path.join(save_train_class_name,image_names[i][:-4]+'_mask.png') cv2.imwrite(save_train_label_name,train_label) #3,从当前类(bg)中,取后面的图像作为testdata foriinrange(train_temp,total): print(i,image_names[i]) test_img_name=os.path.join(tmp_class_name,image_names[i]) test_image=cv2.imread(test_img_name) test_label_name=os.path.join(tmp_class_name,image_names[i][:-4]+'_mask.png') test_label=cv2.imread(test_label_name) save_test_img_name=os.path.join(save_test_class_name,image_names[i]) cv2.imwrite(save_test_img_name,test_image) save_test_label_name=os.path.join(save_test_class_name,image_names[i][:-4]+'_mask.png') cv2.imwrite(save_test_label_name,test_label) ratio=0.7#训练样本比例 path="/home/pi/工作/20190712_splict"#数据路径 new_path="/home/pi/工作/20190712_splict_new3"#保存路径 temp=Generate_Train_and_Test(path,new_path,ratio) temp.splict_data()
补充知识:python把由图片组成的文件夹转换为.npy文件
由于深度神经网络的需要,我要将一个里面全是.png格式的图片的文件夹转换为一个.npy文件,即将一个图片文件夹转换成一个.npy文件。
具体思路为:
若已知文件夹中图片数量,可生成一个三维数组,第一维表示图片数量,后两维表示一张图片的尺寸;
利用np.save()函数将生成的三维数组保存成一个.npy文件
importnumpyasnp importimageio importos os.chdir('E:/RegistrationCode/papercode/datasets/mri_2d_test')#切换python工作路径到你要操作的图片文件夹,mri_2d_test为我的图片文件夹 a=np.ones((190,192,160))#利用np.ones()函数生成一个三维数组,当然也可用np.zeros,此数组的每个元素a[i]保存一张图片 i=0 forfilenameinos.listdir(r"E:/RegistrationCode/papercode/datasets/mri_2d_test"):#使用os.listdir()获取该文件夹下每一张图片的名字 im=imageio.imread(filename) a[i]=im i=i+1 if(i==190):#190为文件夹中的图片数量 break np.save('你要保存的.npy文件所在路径及名字',a)
以上这篇使用npy转image图像并保存的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。