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。