.mat轉成.npy文件+Python(Pytorch)壓縮裁剪圖片

需求：現有數據文件V1.mat，里面包含多個數據集，現需將里面的images數據集提取出來，然后進行壓縮裁剪成指定大小

V1.mat數據集目錄：

 1、從mat文件中提取數據（使用Python）

V1.mat文件太大，在此不提供

import numpy as np
import h5py

mat = h5py.File('./V1.mat')

print(mat['images'].shape)#查看mat文件中images的格式
#(2284, 3, 640, 480)

images = np.transpose(mat['images'])
#轉置，images是numpy.ndarray格式的

print(images)#控制台輸出數據
print(images.shape)#輸出數據格式
#(480, 640, 3, 2284)

np.save('./images', images)#保存數據，會生成一個images.npy文件

print(images)輸出的數據：

2、將數據恢復成圖片並保存

import numpy as np
import  torchvision.transforms as transforms

dataset = np.load('./images.npy')

for i in range(dataset.shape[3]):
    img_tensor = dataset[:, :, :, i]#2284
    # print(img_tensor.shape)#(480, 640, 3)

    img = transforms.ToPILImage()(img_tensor)#轉成圖片
    # print(img.size)#(640, 480)

    #img.show()
    img.save('./Test/%d.jpg' % i)

 轉成的圖片：

　　

 3、壓縮並裁剪圖片

這個程序包含了第二部分，等比例壓縮后再裁剪，可以保持原圖片比例，但會丟失一些邊界信息。直接壓縮可以保存原圖片信息，但會變形。。。

import numpy as np
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
from PIL import Image

dataset = np.load('./V1/images.npy')#圖片文件目錄


'''
等比例壓縮
'''
def scale_high(img, target_high):
    ow, oh = img.size
    if (ow == target_high):
        return img
    h = target_high
    w = int(target_high * ow / oh)
    return img.resize((w, h), Image.BICUBIC)

'''
遍歷圖片
等比例壓縮后裁剪
'''
def ScaleAndCrop():
    for i in range(1):  #dataset.shape[3]   #
        img_tensor = dataset[:, :, :, i]    #(480, 640, 3, 2284)
        #print(img_tensor.shape)            #(480, 640, 3)
        img = transforms.ToPILImage()(img_tensor)#數據轉成圖片
        # print(img.size)       #(640, 480)
        # img.show()
        scale_img = scale_high(img,256)      #等比例壓縮圖片
        # print(scale_img.size)       #(341, 256)
        # scale_img.show()
        crop = transforms.RandomCrop((256, 256))    #裁剪圖片
        crop_img = crop(scale_img)  #
        # crop_img.show()
        crop_img.save('./Picture/%d.jpg' % i)   #保存圖片

'''
遍歷圖片，直接縮放
'''
def CropDirc():
    for i in range(1):  #dataset.shape[3]   #
        img_tensor = dataset[:, :, :, i]    #(480, 640, 3, 2284)
        #print(img_tensor.shape)            #(480, 640, 3)
        img = transforms.ToPILImage()(img_tensor)#數據轉成圖片
        # print(img.size)       #(640, 480)
        # img.show()
        crop = transforms.Scale([256, 256])
        crop_img = crop(img)

        # print(crop_img.size)  # (256, 256)
        # crop_img.show()
        crop_img.save('./Picture/%d.jpg' % i)