如何将图像从filepath格式化到与python中的mnist.data()相同的方式

Question

如何将图像从文件路径到与mnist.load_data()相同的方式格式化？我目前正在从Driectory/File路径中获取图像，如何以与mnist使用mnist.load_data()使用相同的方式格式化这些图像？

Answer 1

keras.datasets.mnist.load_data实际上只是加载了预处理的咸菜文件。如果您检查X_train＆amp;的数据类型X_test它们只是代表图像像素值（0-255）的float的numpy 2D阵列。而y_train＆amp;y_test只是代表类/标签的numpy 1D数组（0-9）。

因此，模仿该功能的第一种方法是使用图像处理库（例如OPENCV）读取您的图像中的图像＆amp;最终使用Sklearn将它们分开：

import numpy as np
import cv2
from sklearn.model_selection import train_test_split
X = []
y = []
# convert color image to 2D array (grayscale) & rescale
data = cv2.imread('zero.jpg',0) / 255.0
label = 0 # label/class of the image
X.append(data)
y.append(label)
# loop trough all images ...
# split for training & testing
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33)

您可以尝试的另一种方法是使用keras imagedatagenerator.flow_from_directory（color_mode ='grayscale'）。输出是ImageDataGenerator对象，可以传递给KERAS model.fit_generator()函数。为了使用此功能，您应该将数据集安排到train＆amp;测试目录其中每个都包含代表其中图像类的子目录。请在此处找到详细的说明。