背景：h5文件详解

H5文件是层次数据格式第5代的版本（Hierarchical Data Format，HDF5），它是用于存储科学数据的一种文件格式和库文件。由美国超级计算中心与应用中心研发的文件格式,用以存储和组织大规模数据.

H5将文件结构简化成两个主要的对象类型:

• 数据集dataset,就是同一类型数据的多维数组

• 组group，是一种容器结构，可以包含数据集和其他组，若一个文件中存放了不同种类的数据集，这些数据集的管理就用到了group！

直观的理解,可以参考我们的文件系统,不同的文件存放在不同的目录下: 目录就是hdf5文件中的group,描述了数据集DataSet的分类信息,通过group有效的将多种dataset进行管理和划分~ 文件就是hdf5文件中的dataset,表示具体的数据~ 下图就是数据集和组的关系:

简单总结为：

h5py文件是存放两类对象的容器，数据集(dataset)和组(group)，dataset类似数组类的数据集合，和numpy的数组差不多。group是像文件夹一样的容器，它好比python中的字典，有键(key)和值(value)。group中可以存放dataset或者其他的group。”键”就是组成员的名称，”值”就是组成员对象本身(组或者数据集)，下面来看下如何创建组和数据集。

实现:图片与h5文件的转化

一、图片转h5

1.先对图片进行排序，默认从1开始 

from PIL import Imageimport os​
##改变图片大小，修改图片名字 ​def get_smaller(path_in, name, path=None, width=64, length=64):''' 检查文件夹是否建立，并建立文件夹 '''if path == None:tar = os.path.exists(os.getcwd() + "\\" + name)if not tar:os.mkdir(os.getcwd() + "\\" + name)im_path = os.getcwd() + "\\" + name + "\\"else:tar = os.path.exists(path + "\\" + name)if not tar:os.mkdir(path + "\\" + name)im_path = path + "\\" + name + "\\"​i = 1list_image = os.listdir(path_in)for item in list_image:'''检查是否有图片'''tar = os.path.exists(im_path+str(i)+'.jpg')if not tar:image = Image.open(path_in+'\\'+item)smaller = image.resize((width, length), Image.ANTIALIAS)'''注意这里如果不加转换，很可能会有报错'''if not smaller.mode == "RGB":smaller = smaller.convert('RGB')smaller.save(im_path+str(i)+'.jpg')i += 1get_smaller("E:\\桌面\\te\\001", "6")

为了更方便地输入接下来的程序，我们需要有一定标准的数据集，也就是图片的大小最好是确定的 所以我们需要修改每一张图片，让其大小一定！ 这里我选择把所有图片修改为64x64像素的，并重新编号存入另一个文件夹中！

这个函数的使用方法是：函数（原始图片文件夹路径，新文件夹名称） 你可以通过path关键字选择新文件夹的储存路径，也可以默认生成在当前目录 你还可以修改width和length来选择新图片的大小 总之，我们得到了最终要使用的图片，它们都在新文件夹中！

2.开始制作

import numpy as npimport matplotlib.pyplot as pltimport h5pyimport os​def createData(path):pics = os.listdir(path)all_data = []for item in pics:'''难免有图片打不开'''try:all_data.append(plt.imread(path+'\\'+item).tolist())except Exception as pic_wrong:print(item+" pic wrong")return all_data​def createSet(hf, name, tip, data):hf.create_dataset(name, data=data)t = [[tip]*len(data)]hf.create_dataset(name + '_tip', data=t)​if __name__ == '__main__':hf = h5py.File('data-train.h5', 'w')all_data = createData('E:\\桌面\\te\\5')createSet(hf, 'train_set_1', 1, all_data)hf.close()​

我的：

import numpy as npimport matplotlib.pyplot as pltimport h5pyimport os​def createData(path):pics = os.listdir(path)all_data = []for item in pics:'''难免有图片打不开'''try:all_data.append(plt.imread(path+'\\'+item).tolist())except Exception as pic_wrong:print(item+" pic wrong")return all_data​def createSet(hf, name, data):hf.create_dataset(name, data=data)# t = [[tip]*len(data)]# hf.create_dataset(name + '_tip', data=t)​if __name__ == '__main__':hf = h5py.File('data-train.h5', 'w')all_data = createData('E:\\桌面\\te\\image_3_new')createSet(hf, 'images2', all_data)hf.close()

一张图片用imread之后是一个三维数组，64x64x3 个数据，64x64是像素，每个像素由red green blue三原色的值叠加来控制，函数 createdata 把 path 下所有图片的数组合并到一个列表中，得到一个4维数组，并返回，·createset 是做一个分类用的数据集，hf 是传入一个h5文件， name是在h5文件下新建的图片数据集的key；tip 是给图片数据加标签，并新生成一个以 name_tip 为key的数据集。相当于会有两个数据集，一个存图片数据，一个存图片数据的标签

一个h5文件可以print(hf.keys())来查看里面的key，每一个key对应一个数据集，一个h5文件可以有很多数据集~

h5文件的数据：（行表示图片个数，列表示刚才设置的64像素）

h5标签：（列表示图片个数，行表示标签内容）

reference：(1条消息) python：从零开始的图片h5py数据集制作是脑瘫啊的博客-CSDN博客h5py数据集

二、h5转图片

import cv2import h5pyimport numpy as npfrom scipy.misc import imsavefrom skimage import transform​​hr_dataset = h5py.File('test_data.h5')['images2']  //h5文件路径# label = h5py.File('data-train.h5')['train_set_1_tip']lenght=len(hr_dataset)for i in range(len(hr_dataset)):y = hr_dataset[i]# x = label[i]cv2.imwrite('image_test/%s.png'%i, y)  //写成png格式# cv2.imwrite(str(i)+"0.png", x)

 ​

本文链接：https://my.lmcjl.com/post/1194.html