如何在 numpy 数组中加载多个图像？答案

【问题标题】：How to load multiple images in a numpy array ?如何在 numpy 数组中加载多个图像？
【发布时间】：2017-01-04 19:51:24
【问题描述】：

如何在一个 numpy 数组的目录中加载多个图像的像素。我在 numpy array 中加载了一个图像。但无法弄清楚如何从一个目录加载多个图像。这是我到目前为止所做的事情

image = Image.open('bn4.bmp')
nparray=np.array(image)

这会加载一个 32*32 的矩阵。我想在一个 numpy 数组中加载 100 个图像。我想制作 100*32*32 大小的 numpy 数组。我怎样才能做到这一点？我知道结构看起来像这样

for filename in listdir("BengaliBMPConvert"):
  if filename.endswith(".bmp"):
       -----------------
  else:
       continue

但无法找到如何在 numpy 数组中加载图像

【问题讨论】：

标签： python image numpy image-processing

【解决方案1】：

获取 BMP 文件列表

要从目录BengaliBMPConvert 中获取 BMP 文件列表，请使用：

import glob
filelist = glob.glob('BengaliBMPConvert/*.bmp')

另一方面，如果您已经知道文件名，只需将它们按顺序排列即可：

filelist = 'file1.bmp', 'file2.bmp', 'file3.bmp'

将所有图像组合成一个 numpy 数组

将所有图像组合成一个数组：

x = np.array([np.array(Image.open(fname)) for fname in filelist])

腌制一个 numpy 数组

使用 pickle 将 numpy 数组保存到文件：

import pickle
pickle.dump( x, filehandle, protocol=2 )

其中x 是要保存的numpy 数组，filehandle 是pickle 文件的句柄，例如open('filename.p', 'wb')，而protocol=2 告诉pickle 使用它当前的格式，而不是一些古老的out-of -日期格式。

或者，numpy 数组可以使用 numpy 提供的方法进行腌制（帽子提示：tegan）。要将数组x 转储到文件file.npy 中，请使用：

x.dump('file.npy')

从文件中加载数组x：

x = np.load('file.npy')

有关详细信息，请参阅 dump 和 load 的 numpy 文档。

【讨论】：

非常感谢。有效。如果您不介意，我可以将这个 numpy 数组加载到 pickle 中吗？
x 是numpy数组（例如答案中所示）。 filehandle 是 pickle 文件的句柄，例如 open('filename.p', 'wb')。 protocol=2 只是告诉 pickle 使用其当前格式而不是一些古老的过时格式。
@omatai 是的，它非常有用。它被称为列表理解。由于我没有任何关于该主题的最喜欢的教程，我将提供this link，它将引导您获得大量信息。
你不必导入pickle来保存numpy数组； numpy 可以自己做到这一点（我认为它无论如何都使用pickle，但为您节省了导入/担心协议）：myarray.dump("good_filename.npy") 如果您愿意，这可以让您在一行中完成整个事情：np.array([np.array(Image.open(fname)) for fname in filelist]).dump("good_filename.npy")
@tegan 非常好！谢谢。答案更新为numpy.ndarray.dump 和numpy.load 的信息。

【解决方案2】：

将OpenCV的imread()函数与os.listdir()一起使用，比如

import numpy as np
import cv2
import os

instances = []

# Load in the images
for filepath in os.listdir('images/'):
    instances.append(cv2.imread('images/{0}'.format(filepath),0))

print(type(instances[0]))

类'numpy.ndarray'

这会返回一个列表 (==instances)，其中存储了图像的所有灰度值。对于彩色图像，只需设置.format(filepath),1。

【讨论】：

【解决方案3】：

我只想分享两个站点，一个站点可以将数据集拆分为训练集、测试集和验证集：split_folder 并根据 muskulpesent

的各个文件夹 code snippet from medium 中的图像创建 numpy 数组

【讨论】：