图像分类
- 1.导入必要的库
- 2.指定图像和标签文件夹路径
- 3.获取文件夹内的所有图像文件名
- 4.获取classes.txt文件中的所有标签
- 5.初始化一个字典来存储图片名和对应的标签
- 6.遍历每个图片名的.txt文件
- 7.随机选择一张图片进行展示
- 8.构建图像的完整路径
- 9.加载图像
- 10.检查图像是否为空
随机找100张图片,然后进行打标签,我用的labelImg打标签,存储的格式为.txt格式。
图片存储在‘561’文件夹中,标签存储在‘99’文件夹中。
把100图片的标签分别是sad,happy,amazed,anger。
1.导入必要的库
cv2
: 这是OpenCV库的别名,它是一个强大的计算机视觉库,用于图像和视频处理。
matplotlib.pyplot as plt
: Matplotlib是一个绘图库,pyplot是其中的一个模块,它提供了一个类似于MATLAB的绘图框架。plt是matplotlib.pyplot的常用别名。
numpy as np
: NumPy是一个用于科学计算的库,它提供了高效的数组处理能力,对于图像处理等任务非常有用。
os
: 这个模块提供了与操作系统交互的功能,比如文件和目录操作。
random
: 这个模块提供了生成随机数的函数。
import cv2
import matplotlib.pyplot as plt
import numpy as np
import os
import random
2.指定图像和标签文件夹路径
images_folder = 'D:/rgzn/face/DATASET/561'
labels_folder = 'D:/rgzn/face/DATASET/99'
3.获取文件夹内的所有图像文件名
os.listdir()
函数用于列出指定目录下的所有文件和子目录。
os.path.isfile()
函数用于检查一个路径是否指向一个文件。
os.path.join()
函数用于将目录和文件名组合成一个完整的文件路径。
这行代码的目的是从一个指定的文件夹中获取所有图像文件的列表。
image_files = [f for f in os.listdir(images_folder) if os.path.isfile(os.path.join(images_folder, f))]
os.listdir(images_folder)
:这个函数调用返回一个列表,包含images_folder目录下的所有文件和子目录的名称。
for f in os.listdir(images_folder)
:这是一个循环,它遍历images_folder目录下的每个文件和子目录的名称。在每次迭代中,f变量被设置为当前文件或子目录的名称。
os.path.isfile(os.path.join(images_folder, f))
:这个条件用于检查f是否是一个文件。os.path.join(images_folder, f)创建一个完整的文件路径,将images_folder目录的路径和f(文件或子目录的名称)连接起来。
[f for f in os.listdir(images_folder) if os.path.isfile(os.path.join(images_folder, f))]
:这个列表推导式创建一个新的列表,只包含那些通过os.path.isfile()检查确认为文件的f值。
4.获取classes.txt文件中的所有标签
with open(os.path.join(labels_folder, 'classes.txt'), 'r') as file:labels = file.readlines()
labels = [label.strip() for label in labels] # 去除末尾的换行符
with open(os.path.join(labels_folder, ‘classes.txt’), ‘r’) as file:
os.path.join(labels_folder, 'classes.txt')
:这个函数调用用于创建一个完整的文件路径,将labels_folder目录的路径和classes.txt文件名连接起来。
with open(...) as file
:这是一个上下文管理器(context manager),它用于自动处理文件资源的打开和关闭。当with语句执行完成后,文件会自动关闭,即使遇到异常也是如此。
file
:这是上下文管理器创建的一个文件对象,可以用来读取文件内容。
labels = file.readlines()
file.readlines()
:这个方法调用用于读取文件中的所有行,并将它们作为一个字符串列表返回。每一行都是一个列表项。
labels = ...
:这个赋值语句将读取到的行列表赋值给变量labels。
labels = [label.strip() for label in labels]
这是一个列表推导式(list comprehension),它遍历labels列表中的每个字符串(即文件中的每行内容)。
label.strip()
:这个方法调用用于去除字符串首尾的空白字符(如空格、换行符等)。
for label in labels
:这个循环遍历labels列表中的每个字符串。
[...]
:这个列表推导式创建一个新的列表,包含去除空白字符后的字符串。
5.初始化一个字典来存储图片名和对应的标签
image_labels = {}
6.遍历每个图片名的.txt文件
for image_file in image_files:# 构建图片名.txt文件的完整路径
image_name = os.path.splitext(image_file)[0] # 获取不带扩展名的图片名txt_path = os.path.join(labels_folder, image_name + '.txt')# 读取图片名.txt文件的内容with open(txt_path, 'r') as file:lines = file.readlines()# 假设每行包含一个数字序列numbers = lines[0].strip().split() # 假设每行由空格分隔# 根据数字序列的第一个数字确定标签# 根据您提供的映射关系label_index = int(numbers[0])label = labels[label_index]# 将图片名和对应的标签存储在image_labels字典中
image_labels[image_file] = label
image_name = os.path.splitext(image_file)[0]:
os.path.splitext(image_file)
:这个函数调用用于将image_file(一个文件名)分割成两部分:文件名和扩展名。返回的元组中的第一部分是文件名,第二部分是扩展名。
[0]
:这个索引操作符用于获取元组中的第一个元素,即不带扩展名的文件名。
txt_path = os.path.join(labels_folder, image_name + ‘.txt’):
os.path.join(labels_folder, image_name + '.txt')
:这个函数调用用于创建一个完整的文件路径,将labels_folder目录的路径和image_name(不带扩展名的文件名)连接起来,并在最后加上.txt扩展名。
txt_path
:这个变量存储了.txt文件的完整路径。
with open(txt_path, 'r') as file::
with open(...) as file:
:这是上下文管理器,用于自动处理文件资源的打开和关闭。
file
:这个变量是上下文管理器创建的文件对象,用于读取.txt文件的内容。
lines = file.readlines():
file.readlines()
:这个方法调用用于读取.txt文件中的所有行,并将它们作为一个字符串列表返回。每一行都是一个列表项。
lines
:这个变量存储了.txt文件中所有行的列表。
numbers = lines[0].strip().split():
lines[0]
:这个索引操作符用于获取.txt文件中第一行的内容。
.strip()
:这个方法调用用于去除字符串首尾的空白字符(如空格、换行符等)。
.split()
:这个方法调用用于根据指定的分隔符(在这个例子中是空格)将字符串分割成列表。
numbers
:这个变量存储了.txt文件第一行内容去除空白字符并分割成列表后的版本。
label_index = int(numbers[0]):
int(numbers[0])
:这个函数调用用于将列表numbers的第一个元素(即标签的索引)转换为整数。
label_index
:这个变量存储了标签的索引。
label = labels[label_index]:
labels[label_index]
:这个索引操作符用于根据label_index变量中存储的索引,从labels列表中获取对应的标签字符串。
label
:这个变量存储了从.txt文件中解析出的标签。
7.随机选择一张图片进行展示
#调用用于生成一个随机整数,其范围是从0到image_files列表的长度减1。
random_index = random.randint(0, len(image_files) - 1)#根据random_index变量中存储的随机索引值,从image_files列表中获取对应的图像文件名。
image_name = image_files[random_index]#用于根据image_name变量中存储的图像文件名,从image_labels字典中获取对应的标签。
label = image_labels[image_name]
8.构建图像的完整路径
创建一个完整的文件路径,将images_folder目录的路径和image_name连接起来。
image_path:这个变量存储了随机选择的图像文件的完整路径。
image_path = os.path.join(images_folder, image_name)
9.加载图像
读取图像文件
image = cv2.imread(image_path)
10.检查图像是否为空
#用于确定image变量是否为None
if image is None:
#图像加载失败,打印一条错误消息。print("Error: Failed to load image.")
else:
# 显示图像
#将图像从OpenCV的BGR颜色空间转换为Matplotlib的RGB颜色空间。OpenCV默认使用BGR颜色空间,而大多数图像处理库和图形界面(如Matplotlib)使用RGB颜色空间。plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title(f'Label: {label} Image: {image_name}')
#用于关闭图像的坐标轴。这使得图像占据整个窗口,而不是在坐标轴周围留有空白。
plt.axis('off')
#显示图像。
plt.show()