利用Python PIL、cPickle读取和保存图像数据库1

Python PIL 和 cPickle 读取和保存图像数据库 Python 是一种广泛使用的编程语言，在机器学习和计算机视觉领域有着广泛的应用。其中，图像处理是机器学习和计算机视觉任务中的一个重要组成部分。在 Python 中，有一个强大的图像处理库 PIL（Python Image Library），它可以进行图像读取、处理和保存等操作。 本文将介绍如何使用 Python PIL 和 cPickle 读取和保存图像数据库，特别是 Olivetti Faces 人脸图像数据库。 Olivetti Faces 是纽约大学的一个小型人脸库，由 40 个人的 400 张图片构成，每个人的人脸图片为 10 张。 读取和保存 Olivetti Faces 我们使用 PIL.Image 打开 Olivetti Faces 图像库，然后将其转化为 numpy.array 类型，以便于数值计算。每张图片摊成一个一维向量 1*2679，因为有 400 张图片，所以得到一个 400*2679 的 numpy.array。 我们使用 cPickle 模块，将转化得到的 numpy.array 保存为 pkl 文件。注意，这是没有标签的数据，我们可以人工地给它们类别 0～39，每个类别有 10 个样本，故新建一个 400*1 的 label，作为每张图片对应的类别。 代码实现 以下是使用 Python PIL 和 cPickle 读取和保存 Olivetti Faces 的代码实现： ``` import numpy from PIL import Image import cPickle # 读取原始图片并转化为 numpy.ndarray，将灰度值由 0～256 转换到 0～1 img = Image.open('/home/wepon/olivettifaces.gif') img_ndarray = numpy.asarray(img, dtype='float64')/256 # 图片大小是 1190*942，一共 20*20 张人脸图，故每张人脸图大小为（1190/20）*（942/20）即 57*47=2679 # 将全部 400 个样本存储为一个 400*2679 的数组，每一行即代表一个人脸图，并且第 0～9、10～19、20～29...行分别属于同个人脸 olivettifaces=numpy.empty((400,2679)) for row in range(20): for column in range(20): olivettifaces[row*20+column]=numpy.ndarray.flatten(img_ndarray [row*57:(row+1)*57,column*47:(column+1)*47]) # 建一个 olivettifaces_label olivettifaces_label=numpy.empty(400) for label in range(40): olivettifaces_label[label*10:label*10+10]=label olivettifaces_label=olivettifaces_label.astype(numpy.int) # 保存 olivettifaces 以及 olivettifaces_label 到 olivettifaces.pkl cPickle.dump([olivettifaces, olivettifaces_label], open('olivettifaces.pkl', 'wb')) ``` 知识点 1. Python PIL 库：Python PIL 库是一个强大的图像处理库，可以进行图像读取、处理和保存等操作。 2. 图像数据库：图像数据库是机器学习和计算机视觉任务中的一个重要组成部分， Olivetti Faces 是一个小型人脸库，由 40 个人的 400 张图片构成。 3. cPickle 模块：cPickle 模块是一个 Python 库，用于将对象序列化为字节流，以便于存储或传输。 4. NumPy 库：NumPy 库是一个 Python 库，用于进行数值计算和数据分析。 5. Olivetti Faces 数据库：Olivetti Faces 数据库是一个小型人脸库，由 40 个人的 400 张图片构成，每个人的人脸图片为 10 张。 结论 本文介绍了如何使用 Python PIL 和 cPickle 读取和保存图像数据库，特别是 Olivetti Faces 人脸图像数据库。通过使用 PIL 库和 cPickle 模块，我们可以轻松地读取和保存图像数据库，以便于机器学习和计算机视觉任务中的应用。