Python 一次读取一个多个图像
我的桌面上存储了多个图像,需要Tensorflow一次处理一个图像。我的问题是,我不知道如何创建一个循环来完成图像的单独读取和处理 我在这个网站上找到了允许读取本地存储的多个图像的代码。我把代码放在我认为可以工作的地方,但没有。 根据下面的代码获得的结果,在30张图像中,只有前两张显示出来。很抱歉格式化。不是专家。我认为循环不应该作为一个整体放在那里,缩进必须与坏结果有关。任何提示都将不胜感激 谢谢Python 一次读取一个多个图像,python,python-3.x,tensorflow,Python,Python 3.x,Tensorflow,我的桌面上存储了多个图像,需要Tensorflow一次处理一个图像。我的问题是,我不知道如何创建一个循环来完成图像的单独读取和处理 我在这个网站上找到了允许读取本地存储的多个图像的代码。我把代码放在我认为可以工作的地方,但没有。 根据下面的代码获得的结果,在30张图像中,只有前两张显示出来。很抱歉格式化。不是专家。我认为循环不应该作为一个整体放在那里,缩进必须与坏结果有关。任何提示都将不胜感激 谢谢 ...code from PIL import Image import os, sys p
...code
from PIL import Image
import os, sys
path = 'C:\\Users\\Owner\\Desktop\\Images\\'
dirs = os.listdir( path )
....Code
if __name__ == '__main__':
...code
for item in dirs:
if os.path.isfile(path+item):
im = Image.open(path+item)
f, e = os.path.splitext(path+item)
loadedImage = path + item
parser.add_argument('--image', type=str, default='loadedImage')
....code
for i, single_3d in enumerate(pose_3d):
plot_pose(single_3d)
pass
我把上面的代码切换到了,它成功了。但是,我的图像不会按顺序显示。谁能告诉我怎么解决这个问题吗
代码如下:
import argparse
import logging
import time
import os
import ast
import common
import cv2
import numpy as np
from estimator import TfPoseEstimator
from networks import get_graph_path, model_wh
import sys
from PIL import Image
path = 'C:\\Users\\Owner\\Desktop\\data\\'
dirs = os.listdir(path)
dirs.sort()
from lifting.prob_model import Prob3dPose
from lifting.draw import plot_pose
logger = logging.getLogger('TfPoseEstimator')
logger.setLevel(logging.DEBUG)
ch = logging.StreamHandler()
ch.setLevel(logging.DEBUG)
formatter = logging.Formatter('[%(asctime)s] [%(name)s] [%(levelname)s] %
(message)s')
ch.setFormatter(formatter)
logger.addHandler(ch)
if __name__ == '__main__':
os.chdir('..')
for item in dirs:
im = Image.open(path+item)
f, e = os.path.splitext(path+item)
parser = argparse.ArgumentParser(description='tf-pose-estimation run')
nameimage = f + e
print(nameimage)
parser.add_argument('--image', type=str, default = nameimage)
parser.add_argument('--model', type=str,
default='mobilenet_thin_432x368', help='cmu_640x480 / cmu_640x360 /
mobilenet_thin_432x368')
parser.add_argument('--scales', type=str, default='[1.0, (1.1, 0.05)]', help='for multiple scales, eg. [1.0, (1.1, 0.05)]')
args = parser.parse_args()
scales = ast.literal_eval(args.scales)
w, h = model_wh(args.model)
e = TfPoseEstimator(get_graph_path(args.model), target_size=(w, h))
image = common.read_imgfile(args.image, None, None)
t = time.time()
humans = e.inference(image, scales=[None])
elapsed = time.time() - t
logger.info('inference image: %s in %.4f seconds.' % (args.image, elapsed))
image = cv2.imread(args.image, cv2.IMREAD_COLOR)
image = TfPoseEstimator.draw_humans(image, humans, imgcopy=False)
cv2.imshow('tf-pose-estimation result', image)
cv2.waitKey()
logger.info('3d lifting initialization.')
poseLifting = Prob3dPose('./src/lifting/models/prob_model_params.mat')
image_h, image_w = image.shape[:2]
standard_w = 640
standard_h = 480
pose_2d_mpiis = []
visibilities = []
for human in humans:
pose_2d_mpii, visibility = common.MPIIPart.from_coco(human)
pose_2d_mpiis.append([(int(x * standard_w + 0.5), int(y * standard_h + 0.5)) for x, y in pose_2d_mpii])
visibilities.append(visibility)
pose_2d_mpiis = np.array(pose_2d_mpiis)
visibilities = np.array(visibilities)
transformed_pose2d, weights = poseLifting.transform_joints(pose_2d_mpiis, visibilities)
pose_3d = poseLifting.compute_3d(transformed_pose2d, weights)
pose_3dqt = np.array(pose_3d[0]).transpose()
for point in pose_3dqt:
#my points print(point)
import matplotlib.pyplot as plt
fig = plt.figure()
a = fig.add_subplot(2, 2, 1)
a.set_title('Result')
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
a = fig.add_subplot(2, 2, 2)
tmp = np.amax(e.heatMat, axis=2)
plt.imshow(tmp, cmap=plt.cm.gray, alpha=0.5)
plt.colorbar()
tmp2 = e.pafMat.transpose((2, 0, 1))
tmp2_odd = np.amax(np.absolute(tmp2[::2, :, :]), axis=0)
tmp2_even = np.amax(np.absolute(tmp2[1::2, :, :]), axis=0)
a = fig.add_subplot(2, 2, 3)
a.set_title('Vectormap-x')
plt.imshow(tmp2_odd, cmap=plt.cm.gray, alpha=0.5)
plt.colorbar()
a = fig.add_subplot(2, 2, 4)
a.set_title('Vectormap-y')
plt.imshow(tmp2_even, cmap=plt.cm.gray, alpha=0.5)
plt.colorbar()
for i, single_3d in enumerate(pose_3d):
plot_pose(single_3d)
plt.show()
pass
此问题中的示例可能会提供一些如何读取文件夹中图像的示例
我的jpg图片按顺序存储pic0、pic1、pic2、pic3、pic4、pic20、pic30、pic100,但我的代码显示图像pic0、pic1、pic100、pic2、pic20、pic3、pic30。。。。我如何避免这种情况
问题在于名称在图像数据集中的显示方式,以及读取目录列表后添加的排序步骤。我的建议是将文件映像重命名为零前导(例如pic000、pic001、…、pic010、pic011、…)
要重命名文件(给定图像名称),请举一个简单的示例:
import os
s1 = os.listdir('.')
for s in s1:
if ".jpg" not in s:
continue
if len(s)==8: # handle pic1.jpg pic2.jpg
#print(s[:-5] + '00' + s[3] + '.jpg')
os.rename(s, s[:-5] + '00' + s[3] + '.jpg')
elif len(s)==9: # handle pic10.jpg pic11.jpg
os.rename(s, s[:-6] + '0' + s[3:5] + '.jpg')
.通过将语句放在正确的位置,我成功地解决了我遇到的问题。然而,我遇到了同样的问题。我的jpg图片按顺序存储pic0、pic1、pic2、pic3、pic4、pic20、pic30、pic100,但我的代码显示图像pic0、pic1、pic100、pic2、pic20、pic3、pic30。。。。如何避免这种情况?如果我理解正确,调整下面的行将按顺序显示图像。但是,如何查找目录中存储的图像总数?image=readImage([(“./image to-tfrecords/train/parasaurolophus/data%d.png”%i)表示范围(1000)内的i)