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:Python 在Google CoLab中处理许多图像-从Anaconda迁移,python,image-processing,google-colaboratory,Python,Image Processing,Google Colaboratory,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") re
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)