概述

最近在做和视觉深度学习有关的项目，在写相关代码的时候读取数据集的图片来进行预处理成了大问题。在查询了网上现有方法的基础上，总结了一种较为简单通用的读取方法。

遍历文件夹

首先是对于数据集文件夹的遍历，这里可以输出得到文件夹内所有图片的名称

def load_img(train_imgPath,test_imgPath): test_filenames = os.listdir(test_imgPath) train_filenames = os.listdir(train_imgPath) for tfname in train_filenames: if os.path.isdir(tfname) == False: filenames = os.listdir(train_imgPath+tfname) for filename in filenames: # 遍历文件 if filename.endswith('.jpg'): print(filename)

路径选择

path = train_imgPath + "\\" + tfname + "\\" + filename

train_imgPath是训练集文件夹的位置，tfname是数字文件夹的名称，filename是图片名称。

项目实例

import cv2 from skimage import data_dir, io, color import numpy as np import random import numpy as np import os, shutil Path_traindata = "D:/data/train/" Path_testdata = "D:/data/test/" def load_img(train_imgPath,test_imgPath): test_filenames = os.listdir(test_imgPath) train_filenames = os.listdir(train_imgPath) for tfname in test_filenames: if os.path.isdir(tfname) == False: filenames = os.listdir(test_imgPath+tfname) for filename in filenames: # 遍历文件 if filename.endswith('.jpg'): path = test_imgPath + "\\" + tfname + "\\" + filename src = cv2.imread(path) (b, g, r) = cv2.split(src) bH = cv2.equalizeHist(b) gH = cv2.equalizeHist(g) rH = cv2.equalizeHist(r) result = cv2.merge((bH, gH, rH)) cv2.imwrite(path, result) load_img(Path_traindata,Path_testdata)

这段是读取数据库之后再使用cv2做的图片预处理。