前言
在进行深度学习处理时，有些的代码处理的数据格式为npy，但是常常有的数据格式为png，因此下面就用Python实现图像批量png格式转为npy格式，代码进行了详细注释。
1 png2npy
python
# -- coding: UTF-8 --
'''
Author: Clouds rising
Date: December, 2023
QQ: 504156006
'''
import os
import glob
import numpy as np
from PIL import Image
# 要修改的文件夹路径
input_dir = 'label_png'
# 新文件夹的路径
output_dir = 'label_npy'
# 创建输出文件夹
if not os.path.exists(output_dir):
os.makedirs(output_dir)
# 遍历文件夹中的所有png图像
for img_path in glob.glob(os.path.join(input_dir, '*.png')):
# 打开原始的png图像
img = Image.open(img_path)
# 转换图像
img_8bit = img.convert('L') #参数L: 8位像素，黑白
# 创建一个转换表，将灰度值为255的像素点变为0
'''
在这一行代码中，创建了一个包含256个元素的列表（0到255的灰度值）。该列表的每个元素都通过条件判断
0 if i == 255 else i 进行赋值。这意味着如果灰度值为255，那么赋值为0，否则保持不变。
这样就形成了一个转换表，用于将灰度值为255的像素点变为0。
'''
invert_table = [0 if i == 255 else i for i in range(256)]
'''
在这一行代码中，通过point方法应用了之前创建的转换表。
这个方法会对图像中的每个像素点进行变换，根据转换表将灰度值为255的像素点变为0，而其他灰度值保持不变。
最终，得到了经过反转处理的图像img_inverted1。
'''
img_inverted1 = img_8bit.point(invert_table, 'L')
# 将图像对象转换为NumPy数组
img_array = np.asarray(img_inverted1)
# 生成与输入文件相同的输出文件名
output_filename = os.path.join(output_dir, os.path.basename(img_path).replace('.png', ''))
# 自动保存为npy文件
np.save(output_filename, img_array)后记
大家如果有问题需要交流或者有项目需要合作，可以加Q Q ：504156006详聊，加好友请留言"CSDN"，谢谢。