python多进程读图提取特征存多进程读图提取特征存npy
本文实例为大家分享了python多进程读图提取特征存npy的具体代码，供大家参考，具体内容如下
import multiprocessing
import os, time, random
import numpy as np
import cv2
import os
import sys
from time import ctime
import tensorflow as tf
image_dir = r"D:/sxl/处理图片/汉字分类/train10/" #图像文件夹路径
data_type = 'test'
save_path = r'E:/sxl_Programs/Python/CNN/npy/' #存储路径
data_name = 'Img10' #npy文件名
char_set = np.array(os.listdir(image_dir)) #文件夹名称列表
np.save(save_path+'ImgShuZi10.npy',char_set) #文件夹名称列表
char_set_n = len(char_set) #文件夹列表长度
read_process_n = 1 #进程数
repate_n = 4 #随机移动次数
data_size = 1000000 #1个npy大小
shuffled = True #是否打乱
#可以读取带中文路径的图
def cv_imread(file_path,type=0):
cv_img=cv2.imdecode(np.fromfile(file_path,dtype=np.uint8),-1)
# print(file_path)
# print(cv_img.shape)
# print(len(cv_img.shape))
if(type==0):
if(len(cv_img.shape)==3):
cv_img = cv2.cvtColor(cv_img, cv2.COLOR_BGR2GRAY)
return cv_img
#多个数组按同一规则打乱数据
def ShuffledData(features,labels):
'''
@description:随机打乱数据与标签，但保持数据与标签一一对应
'''
permutation = np.random.permutation(features.shape[0])
shuffled_features = features[permutation,:] #多维
shuffled_labels = labels[permutation] #1维
return shuffled_features,shuffled_labels
#函数功能：简单网格
#函数要求：1.无关图像大小；2.输入图像默认为灰度图;3.参数只有输入图像
#返回数据：1x64*64维特征
def GetFeature(image):
#图像大小归一化
image = cv2.resize(image,(64,64))
img_h = image.shape[0] img_w = image.shape[1]
#定义特征向量
feature = np.zeros(img_h*img_w,dtype=np.int16)
for h in range(img_h):
for w in range(img_w):
feature[h*img_h+w] = image[h,w]
return feature
# 写数据进程执行的代码:
def read_image_to_queue(queue):
print('Process to write: %s' % os.getpid())
评论0