读取文件夹内图像--方法1

GTX_AI

读取文件夹内图像：
图像以数字命名：
参考：【训练样本切分小图】
供深度学习算法调用：Pytorch_Unet图像分割

1. import torch.utils.data as data
   
2. import PIL.Image as Image
   
3. import os
   
4. 
   
5. def make_dataset(root):
   
6.     imgs=[]
   
7.     n=len(os.listdir(root))//2
   
8. #    for i in range(100):
   
9.     for i in range(100):
   
10.         for j in range(16):
    
11.             img=os.path.join(root,"%03d_%d.png"%(i,j+1))
    
12.             mask=os.path.join(root,"%03d_%d_mask.png"%(i,j+1))
    
13.             imgs.append((img,mask))
    
14.     return imgs
    
15. 
    
16. def make_dataset512(root):
    
17.     imgs=[]
    
18.     n=len(os.listdir(root))//10
    
19.     for i in range(n):
    
20.         img=os.path.join(root,"%03d.png"%i)
    
21.         mask=os.path.join(root,"%03d_mask.png"%i)
    
22.         imgs.append((img,mask))
    
23.     return imgs
    
24. 
    
25. 
    
26. class LiverDataset(data.Dataset):
    
27.     def __init__(self, root, transform=None, target_transform=None):
    
28.         imgs = make_dataset(root)
    
29.         self.imgs = imgs
    
30.         self.transform = transform
    
31.         self.target_transform = target_transform
    
32. 
    
33.     def __getitem__(self, index):
    
34.         x_path, y_path = self.imgs[index]
    
35.         img_x = Image.open(x_path)
    
36.         img_y = Image.open(y_path)
    
37.         if self.transform is not None:
    
38.             img_x = self.transform(img_x)
    
39.         if self.target_transform is not None:
    
40.             img_y = self.target_transform(img_y)
    
41.         return img_x, img_y
    
42. 
    
43.     def __len__(self):
    
44.         return len(self.imgs)

复制代码