【导读：本文为照片分拣机器学习项目系列文章的第2篇，介绍如何读取不同文件夹下、不同大小的jpg格式图片，压缩至相同大小，创建csv分类数据集，用于后续分类模型的训练】

项目系列文章请查看：

机器学习项目之照片分拣01：项目概述

机器学习项目之照片分拣02：创建照片分类数据集(本文)

机器学习项目之照片分拣03：训练照片分类模型

机器学习项目之照片分拣04：预测新照片类别并分别存放

项目演示视频

要实现照片的预测和分拣，首先要构建一个打好标签的图片数据集，用来训练分类模型。本文介绍如何使用Python将收集的人物和花卉图片创建为csv格式的分类数据集。

一、基本思路

首先收集照片，将照片分类别保存在计算机硬盘上；分类别逐张读取图片，将它们压缩到相同形状；创建空的特征集和目标集列表；将压缩的每张图片展平为1行，添加到特征集的尾部，同时将图片的类标签添加到目标集的尾部；更新特征集的形状，使列数相同，行数等于所有图片数量；将特征集和目标集保存为csv数据文件。

二、收集图片

收集两种类别的图片(本项目方法可以扩充到更多类别)：人物和花卉，图片为jpg格式，大小可以不同，如下图所示。

将它们分类别保存到同一路径下的不同子文件夹。子文件夹的名称以图片的类别命名。如本项目将保存人物和花卉图片的文件夹分别以meinv, flower命名，如下图所示。

三、获取每个图片文件夹的名称

使用os模块的listdir()方法，可以获取指定路径下的文件夹和文件名称。代码如下：

import numpy as npimport pandas as pdimport ospath_frames='.../img_data/' #各类别图片文件夹的上一级路径source_category_list = os.listdir(path_frames) #获取图片文件夹名称列表print('compressed目录下的子目录为：',source_category_list)

运行结果返回一个列表，列表的元素是每个子文件夹的名称，如下图所示：

四、读取每个文件夹下每张图片，压缩、展平、添加到特征集和目标集

要读取每张图片，首先要拼出每张图片的全路径名称。可以这样实现：对source_category_list的每个元素(即子文件夹名称)，拼出到达子文件夹的路径。

然后对每个全路径子文件夹名称，使用listdir()方法获取其保存的所有图像文件名称的列表。对该列表的每个元素，可以拼出图像文件的全路径名称。

然后使用OpenCV的cv2.imread()方法即可读取图片，进而进行压缩、展平、添加到特征集和目标集等操作。这需要创建两重循环，实现代码如下：

import cv2#生成图像数据集，一行数据(即一个样本)为一副图像print('图像批量读取中，请耐心等待......')X=[] #用于保存图像特征集y=[] #用于保存图像标签集y_dict={'meinv':0,'flower':1}#字典，将类别名称转换为数字标签for mydir in source_category_list:    #拼出存放原始文件的目录(即类别)路径    source_category_path = path_frames+ mydir + "/"    #获取某一目录(类别)中的所有文件    source_file_list = os.listdir(source_category_path)    for file_name in source_file_list:        full_name=path_frames+mydir+'/'+file_name        img0=cv2.imread(full_name,cv2.IMREAD_UNCHANGED)        img0=cv2.resize(img0,(50,50)) #压缩为50*50大小        X=np.append(X,img0.ravel()) #展平，添加到X尾部        y=np.append(y,y_dict[mydir])  #查询字典，转换为类标签，添加到y的尾部        X=X.reshape(-1,50*50*3)    #将X的形状改变为50*50*3列，自动推断行数    print('此时数据集的形状为：',X.shape)print('数据集的形状为：',X.shape)print('图像批量读取完毕！')

执行完上述代码，所有的图像数据和它们的类标签都保存在了X, y列表中。上面的代码使用了字典，它用于将类别型类标签转换为数字型类标签。读取的每张图片，不管原来的大小如何，统统暴力压缩为50*50的分辨率。X中，每一行代表一幅压缩后的图像，它包含了B, G, R三个通道的像素值。

如果你还不知道如何安装OpenCV, 可以在prompt窗口执行如下命令：

pip install opencv-python

如果下载速度较慢，可以选择国内的清华大学镜像快速安装，方法是在prompt窗口执行如下命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv_python

五、将特征集X、目标集y保存为csv文件

使用pandas模块的.to_csv()方法，可以很方便地把数组、列表保存为csv文件。其前提是首先要使用DataFrame()方法将数组或列表转换为DataFrame对象。

#将X, y转换为DataFrame对象，保存为csv文件path_data='D:/PythonStudy/human_flower_cla/data/'  #图像数据集要保存的目标文件夹#如果path_data不存在，则创建它if not os.path.exists(path_data):    os.makedirs(path_data)df_images_data=pd.DataFrame(X) #将X转换为DataFrame对象#保存为csv文本文件df_images_data.to_csv(path_data+'human_flower_data.csv',sep = ',',index = False) df_images_target=pd.DataFrame(y) #将y转换为DataFrame对象#保存为csv文本文件df_images_target.to_csv(path_data+'human_flower_target.csv',sep = ',',index = False) print('图像数据集转换为DataFrame并保存完毕！')

执行上述代码，将把特征集X和目标集y保存为csv文件，在计算机硬盘上可以找到它们，如下图所示：

需要说明的是，csv文件元素间尽量使用逗号','分割，这样你可以很方便的使用Excel, WPS表格打开它。也可以使用记事本打开它。

到此，把meinv和flower两个文件夹下的所有图像保存为csv数据集，同时创建了标签集。这样，在后续训练分类模型时，可以很从容地使用该数据集。

当然，你可以尝试把更多类别的图片(增加保存图片的子文件夹即可)保存为csv数据集，创建多元分类数据集。

要训练分类模型，请关注后续文章。感兴趣的朋友，现在可以动手收集照片，创建你自己的数据集了。

更多精彩内容，请关注本号。欢迎转发、评论、拍砖、交流。