博客

我最近做的实验需要把都是图片的数据集转成numpy形式存储，然后放入模型训练。

首先要有一个.csv文件，这个文件存放了训练集中所有图片的名字和所属类别，共两列，这个文件在下载某些数据集的时候会自带或者有处理好的让你下载，但也可以自己生成，可以看

这里(要点三)

import pandas as pd
import cv2
import numpy as np
#读取存有图片名和对应类别名的.csv文件
train = pd.read_csv('train_new.csv')
#print(train)

#创建一个空的列表，后面用来存放训练集中的每张图片
train_image = []

'''
csv文件总共两列，一列图片名，一列对应类别名，这里就是遍历图片名，总共2408张
'''
for i in range(train.shape[0]):#2408
    #加载图像，这里进入文件夹下，遍历csv文件中列名为'image'的列，即图片名，进而读取图片
    img_cv2 = cv2.imread('train_1_50/'+train['image'][i])
    #将目标大小设置为（224,224,3）
    image  = cv2.resize(img_cv2,(224,224),interpolation=cv2.INTER_AREA)
    #像素值归一化
    img = image / 255
    #把图像加入train_image列表
    train_image.append(img)

# 将列表转为numpy数组
X = np.array(train_image)#train_image中有2408张图片,都是numpy格式

# 查看数组的大小
print(X.shape)

# 查看数组
print（X）

参考博文里大佬加载图像和设置图片大小是一行代码完成的，但用image.load_img读取的只是图片，然后再转成numpy形式，而cv2.imread可以一步完成。（我为什么要换呢，因为大佬的方式在我这里一直报错，我解决不了，私信大佬也不理我，555.。。）

# 加载图像，并将目标大小设置为（224,224,3）
img = image.load_img('train_1/'+train['image'][i], target_size=(224,224,3))
# 将其转换为数组
img = image.img_to_array(img)

看下效果：

这里好多0是因为我的图片都是从视频中提取出来的，提取的有些图片正好上一帧下一帧的切换，故是黑色的，没有值，再加上数组显示不完全。

查看列表，就全部显示出来了。。。

参考博文