多张图片读入后组成一个矩阵。怎么读取图片,可以让其读入的形式是:ndarray(a,b,c)分别的含义:a为多少张图片,b*c为图片大小

  • 不显示通道数:

    要将多张图片读取为一个 NumPy 数组(ndarray),其中 a 表示图片数量,bc 分别表示每张图片的高度和宽度(不显示通道数),你可以使用 Python 中的 PIL(Pillow)库和 NumPy 库。下面是一个示例代码,展示了如何实现这一点:

    代码示例

import numpy as np

from PIL import Image

import os

def load_images_from_folder(folder):

images = []

for filename in os.listdir(folder):

img_path = os.path.join(folder, filename)

img = Image.open(img_path).convert('L') # 转为灰度图像,只有一个通道

images.append(np.array(img))

如果你想保持所有图片的尺寸一致,可以在这里对它们进行裁剪或缩放

例如:

img = img.resize((desired_width, desired_height))

return np.array(images)

指定图片所在的文件夹路径

folder_path = 'path/to/your/images/'

image_array = load_images_from_folder(folder_path)

print(image_array.shape) # 输出.shape 应该是 (a, b, c)

说明

  1. 导入库 :你需要确保已经安装了 PillowNumPy 库,可以使用以下命令安装:

  2. pip install Pillow numpy

  3. 图片读取

    • os.listdir(folder) 列出文件夹中的所有文件名。
    • Image.open(img_path).convert('L') 读取每张图片并将其转换为灰度图像(单通道)。
    • np.array(img) 将图片转换为 NumPy 数组。
  4. 返回结果 :所有图片以数组形式返回,并且形状为 (a, b, c),其中 a 是图片数量,bc 是图片的高度和宽度。

  5. 调整图片大小:如果图片尺寸不一,可以在读取时添加尺寸调整的代码,以确保所有图片的形状一致。

  • 显示通道数:

    要将多张图片读取为一个 NumPy ndarray,并且使其形状为 (a, b, c),其中 a 是图片的数量,bc 是每张图片的尺寸(高度和宽度),你可以使用 OpenCVPIL 库来读取图片,并将它们转换成 ndarray。

    下面是使用这两个库的例子:

    使用 OpenCV

import cv2

import numpy as np

import os

读取图片函数

def load_images_from_folder(folder):

images = []

for filename in os.listdir(folder):

img = cv2.imread(os.path.join(folder, filename))

if img is not None:

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 将 BGR 转换为 RGB

images.append(img)

return np.array(images)

使用示例

folder_path = 'path/to/your/images'

images_array = load_images_from_folder(folder_path)

print(images_array.shape) # 输出形状: (数量, 高度, 宽度, 通道数)

使用 PIL

from PIL import Image

import numpy as np

import os

读取图片函数

def load_images_from_folder(folder):

images = []

for filename in os.listdir(folder):

img = Image.open(os.path.join(folder, filename))

img = img.convert('RGB') # 转换为 RGB 模式

images.append(np.array(img))

return np.array(images)

使用示例

folder_path = 'path/to/your/images'

images_array = load_images_from_folder(folder_path)

print(images_array.shape) # 输出形状: (数量, 高度, 宽度, 通道数)

注意事项

  • 如果你希望输出的 ndarray 形状为 (a, b, c),你需要对最后的输出进行调整,通常你可以选择丢弃通道信息,形状可能转为 (a, b, c, 3),表示 RGB 通道。
  • 确保所有的图片都是同样的尺寸(高、宽),否则最终的 ndarray 会因为尺寸不一致而无法正确创建。
相关推荐
Rock_yzh1 天前
LeetCode算法刷题——54. 螺旋矩阵
数据结构·c++·学习·算法·leetcode·职场和发展·矩阵
凯子坚持 c2 天前
体系化AI开发方案:豆包新模型矩阵与PromptPilot自动化调优平台深度解析
人工智能·矩阵·自动化
草莓熊Lotso2 天前
《算法闯关指南:优选算法--前缀和》--31.连续数组,32.矩阵区域和
c++·线性代数·算法·矩阵
logocode_li2 天前
面试 LoRA 被问懵?B 矩阵初始化为 0 的原因,大多数人拿目标来回答
人工智能·python·面试·职场和发展·矩阵
AI科技星2 天前
张祥前统一场论:引力场与磁矢势的关联,反引力场生成及拉格朗日点解析(网友问题解答)
开发语言·数据结构·经验分享·线性代数·算法
simon_skywalker2 天前
线性代数及其应用习题答案(中文版)第一章 线性代数中的线性方程组 1.5 线性方程组的解集(1)
线性代数
跨境摸鱼2 天前
AI 赋能!亚马逊竞争情报的“重构式”升级,破解竞品迷局
人工智能·矩阵·重构·跨境电商·亚马逊·防关联
独自破碎E2 天前
矩阵区间更新TLE?试试二维差分
java·线性代数·矩阵
simon_skywalker2 天前
线性代数及其应用习题答案(中文版)第一章 线性代数中的线性方程组 1.6 线性方程组的应用
线性代数
劈星斩月2 天前
3Blue1Brown《线性代数的本质》矩阵乘法与线性变换复合
线性代数·线性变换·矩阵乘法