.mat转成.npy文件+Python(Pytorch)压缩裁剪图片
需求：现有数据文件V1.mat，里面包含多个数据集，现需将里面的images数据集提取出来，然后进行压缩裁剪成指定大小
V1.mat数据集目录：
1、从mat文件中提取数据（使用Python）
V1.mat文件太大，在此不提供
1 import numpy as np 2 import h5py 3 4 mat = h5py.File('./V1.mat') 5 6 print(mat['images'].shape)#查看mat文件中images的格式 7 #(2284, 3, 640, 480) 8 9 images = np.transpose(mat['images']) 10 #转置，images是numpy.ndarray格式的 11 12 print(images)#控制台输出数据 13 print(images.shape)#输出数据格式 14 #(480, 640, 3, 2284) 15 16 np.save('./images', images)#保存数据，会生成一个images.npy文件
print(images)输出的数据：
2、将数据恢复成图片并保存
1 import numpy as np 2 import torchvision.transforms as transforms 3 4 dataset = np.load('./images.npy') 5 6 for i in range(dataset.shape[3]): 7 img_tensor = dataset[:, :, :, i]#2284 8 # print(img_tensor.shape)#(480, 640, 3) 9 10 img = transforms.ToPILImage()(img_tensor)#转成图片 11 # print(img.size)#(640, 480) 12 13 #img.show() 14 img.save('./Test/%d.jpg' % i)
转成的图片：
3、压缩并裁剪图片
这个程序包含了第二部分，等比例压缩后再裁剪，可以保持原图片比例，但会丢失一些边界信息。直接压缩可以保存原图片信息，但会变形。。。
1 import numpy as np 2 import torchvision.transforms as transforms 3 import matplotlib.pyplot as plt 4 from PIL import Image 5 6 dataset = np.load('./V1/images.npy')#图片文件目录 7 8 9 ''' 10 等比例压缩 11 ''' 12 def scale_high(img, target_high): 13 ow, oh = img.size 14 if (ow == target_high): 15 return img 16 h = target_high 17 w = int(target_high * ow / oh) 18 return img.resize((w, h), Image.BICUBIC) 19 20 ''' 21 遍历图片 22 等比例压缩后裁剪 23 ''' 24 def ScaleAndCrop(): 25 for i in range(1): #dataset.shape[3] # 26 img_tensor = dataset[:, :, :, i] #(480, 640, 3, 2284) 27 #print(img_tensor.shape) #(480, 640, 3) 28 img = transforms.ToPILImage()(img_tensor)#数据转成图片 29 # print(img.size) #(640, 480) 30 # img.show() 31 scale_img = scale_high(img,256) #等比例压缩图片 32 # print(scale_img.size) #(341, 256) 33 # scale_img.show() 34 crop = transforms.RandomCrop((256, 256)) #裁剪图片 35 crop_img = crop(scale_img) # 36 # crop_img.show() 37 crop_img.save('./Picture/%d.jpg' % i) #保存图片 38 39 ''' 40 遍历图片，直接缩放 41 ''' 42 def CropDirc(): 43 for i in range(1): #dataset.shape[3] # 44 img_tensor = dataset[:, :, :, i] #(480, 640, 3, 2284) 45 #print(img_tensor.shape) #(480, 640, 3) 46 img = transforms.ToPILImage()(img_tensor)#数据转成图片 47 # print(img.size) #(640, 480) 48 # img.show() 49 crop = transforms.Scale([256, 256]) 50 crop_img = crop(img) 51 52 # print(crop_img.size) # (256, 256) 53 # crop_img.show() 54 crop_img.save('./Picture/%d.jpg' % i)
