1 import tensorflow as tf
2 from PIL import Image
3 import numpy as np
4 import cv2
5 import os
6
7 def load_sample(sample_dir):
8 print('loading sample dataset..')
9 train_data = []
10 labels = []
11 #root所指的是当前正在遍历的这个文件夹的本身的地址
12 #dirs 是一个 list ,内容是该文件夹中所有的目录的名字(不包括子目录)
13 #file同样是 list , 内容是该文件夹中所有的文件(不包括子目录)
14 for (root, dirs, files) in os.walk(sample_dir):#递归遍历文件夹
15
16 for filename in files: #遍历所有文件名
17 filename_path = root+'/'+ filename
18 # img=Image.open(filename_path)
19 # img = np.array(img.convert('L'))
20 img=cv2.imread(filename_path,0)
21 img=np.array(img)
22 img=img/225
23 train_data.append(img) #添加文件名
24 labels.append(root.split('\\')[-1]) # 添加文件名对应的标签
25 x = np.array(train_data) # 变为np.array格式
26 y= np.array(labels) # 变为np.array格式
27 y = y.astype(np.int64) # 变为64位整型
28 return x,y
29 path='F:\\tf\\11\\'
30 path_save='F:/tf/mat.npy'
31 image,label=load_sample(path)
32 x_train_save = np.reshape(image, (len(image), -1))
33 np.save(path_save, x_train_save)
将图片制作数据拒
猜你喜欢
转载自www.cnblogs.com/hsy1941/p/12945069.html
今日推荐
周排行