Python 在Google CoLab中处理许多图像-从Anaconda迁移

我一直在使用GoogleColab编写python脚本，到目前为止，使用“只需代码”非常方便

我想开始处理图像，我正在寻找一个脚本，它可以处理100多个图像或更多图像，但不确定在Colab中执行此操作的可接受方法是“没有本地驱动器”

原始代码：

import cv2 as cv
import glob

def get_imgs(path_to_imgs):
    all_files = glob.glob(path_to_imgs + "**/*.png")
    return ( cv.imread(file, flags=cv.IMREAD_GRAYSCALE) for file in all_files)


def show_img(img):
    cv.imshow('window_name', img)
    cv.waitKey(0)
    cv.destroyAllWindows()


for each_img in get_imgs('./myImages/'):
    if counter == 10:
        break
    show_img(each_img)

到目前为止，我已经研究过将所有图像存储在自己的驱动器上（并使用access键将Colab连接到驱动器，有点不舒服），或者将它们存储在原始github上

在这两种情况下，我都无法使它在构造函数中工作，我认为主要是因为我无法像在本地那样遍历“文件夹”

---

有什么想法和建议吗？

在Google Colab中，左侧栏上有一个小文件夹图标。然后，您可能必须单击新文件系统侧栏顶部的文件夹图标。这允许您访问虚拟机的所有文件夹。要上载大型图像数据集，您可以单击“文件上载”按钮，或使用wget通过原始Github下载。

除了@DraperDuck的有用答案之外，我想为您指出另一个选项：

就我个人而言，我更喜欢装载驱动器并使用数据集访问以前设置的文件夹：

from google.colab import drive
drive.mount('/content/drive')

（旁注：我不记得

cv2.imshow

是否由Colab Jupyter笔记本环境处理（通常

cv2.imshow

需要操作系统窗口系统），但如果失败，您可以使用matplotlib（

plt.imshow

）在笔记本中显示图像）