Python讀入mnist二進(jìn)制圖像文件并顯示實(shí)例
圖像文件是自己仿照mnist格式制作,每張圖像大小為128*128
import struct
import matplotlib.pyplot as plt
import numpy as np
#讀入整個(gè)訓(xùn)練數(shù)據(jù)集圖像
filename = 'train-images-idx3-ubyte'
binfile = open(filename, 'rb')
buf = binfile.read()
#讀取頭四個(gè)32bit的interger
index = 0
magic, numImages, numRows, numColumns = struct.unpack_from('>IIII', buf, index)
index += struct.calcsize('>IIII')
#讀取一個(gè)圖片,16384=128*128
im = struct.unpack_from('>16384B', buf, index)
index += struct.calcsize('>16384B')
im=np.array(im)
im=im.reshape(128,128)
fig = plt.figure()
plotwindow = fig.add_subplot(111)
plt.imshow(im, cmap = 'gray')
plt.show()
補(bǔ)充知識(shí):Python 圖片轉(zhuǎn)數(shù)組,二進(jìn)制互轉(zhuǎn)
前言
需要導(dǎo)入以下包,沒(méi)有的通過(guò)pip安裝
import matplotlib.pyplot as plt import cv2 from PIL import Image from io import BytesIO import numpy as np
1.圖片和數(shù)組互轉(zhuǎn)
# 圖片轉(zhuǎn)numpy數(shù)組
img_path = "images/1.jpg"
img_data = cv2.imread(img_path)
# numpy數(shù)組轉(zhuǎn)圖片
img_data = np.linspace(0,255,100*100*3).reshape(100,100,-1).astype(np.uint8)
cv2.imwrite("img.jpg",img_data) # 在當(dāng)前目錄下會(huì)生成一張img.jpg的圖片
2.圖片和二進(jìn)制格式互轉(zhuǎn)
# 以 二進(jìn)制方式 進(jìn)行圖片讀取
with open("img.jpg","rb") as f:
img_bin = f.read() # 內(nèi)容讀取
# 將 圖片的二進(jìn)制內(nèi)容 轉(zhuǎn)成 真實(shí)圖片
with open("img.jpg","wb") as f:
f.write(img_bin) # img_bin里面保存著 以二進(jìn)制方式讀取的圖片內(nèi)容,當(dāng)前目錄會(huì)生成一張img.jpg的圖片
3.數(shù)組 和 圖片二進(jìn)制數(shù)據(jù)互轉(zhuǎn)
"""
以上兩種方式"合作"也可以實(shí)現(xiàn),但是中間會(huì)有對(duì)外存的讀寫
一般這些到磁盤的IO操作還是很耗時(shí)間的
所以在內(nèi)存直接處理會(huì)較好
"""
# 將數(shù)組轉(zhuǎn)成 圖片的二進(jìn)制數(shù)據(jù)
img_data = np.linspace(0,255,100*100*3).reshape(100,100,-1).astype(np.uint8)
ret,buf = cv2.imencode(".jpg",img_data)
img_bin = Image.fromarray(np.uint8(buf)).tobytes()
# 將圖片二進(jìn)制數(shù)據(jù) 轉(zhuǎn)為數(shù)組
img_data = plt.imread(BytesIO(img_bin),"jpg")
print(type(img_data))
print(img_data.shape)
"""
out:
<class 'numpy.ndarray'>
(100, 100, 3)
"""
或許還有別的方式也能實(shí)現(xiàn) 圖片二進(jìn)制數(shù)據(jù) 和 數(shù)組的轉(zhuǎn)換,不足之處希望大家指出
以上這篇Python讀入mnist二進(jìn)制圖像文件并顯示實(shí)例就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
python框架Django實(shí)戰(zhàn)商城項(xiàng)目之工程搭建過(guò)程圖文詳解
這篇文章主要介紹了python框架Django實(shí)戰(zhàn)商城項(xiàng)目之工程搭建過(guò)程,這個(gè)項(xiàng)目很像京東商城,項(xiàng)目開(kāi)發(fā)采用前后端不分離的模式,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),需要的朋友可以參考下2020-03-03
Python模擬實(shí)現(xiàn)全功能貸款計(jì)算器
在個(gè)人理財(cái)中,貸款計(jì)算器是一款非常實(shí)用的工具,本文將教你如何使用Python編寫一個(gè)全功能的貸款計(jì)算器,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-12-12
virtualenv隔離Python環(huán)境的問(wèn)題解析
virtualenv為應(yīng)用提供了隔離的Python運(yùn)行環(huán)境,解決了不同應(yīng)用間多版本的沖突問(wèn)題,這篇文章主要介紹了virtualenv隔離Python環(huán)境,需要的朋友可以參考下2022-06-06
Python探索之靜態(tài)方法和類方法的區(qū)別詳解
這篇文章主要介紹了Python探索之靜態(tài)方法和類方法的區(qū)別詳解,小編覺(jué)得還是挺不錯(cuò)的,這里分享給大家,供需要的朋友參考。2017-10-10
Python機(jī)器學(xué)習(xí)應(yīng)用之基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)篇詳解
BP(back?propagation)神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McClelland為首的科學(xué)家提出的概念,是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò),是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一2022-01-01

