SRCNN代码解读（一）-----utils.py（tf）

SRCNN下载的代码一共三个.py文件：主函数main.py、网络结构函数model.py和工具函数utils.py。将分三篇文章写出代码中每一句的作用。
在Python开发中,将常用功能封装成为接口,并放入Utils中,直接调用,可以提升效率也就是存放使用的小函数。到底里面包含了哪些函数功能，一句句分析,因为代码和注释写在容易混，所以我分开写。

import部分

不管是什么语言，开始总是先进行导入，导入需要的文件，库包等，python也不例外。utils.py

import os
import glob
import h5py
import random
import matplotlib.pyplot as plt
from PIL import Image  # for loading images as YCbCr format
import scipy.misc
import scipy.ndimage
import numpy as np
import tensorflow as tf

import部分注释

1.import os

导入os库,主要用于系统命令的处理,其中join和os.path.join这两个函数都是python的系统函数，都有“组合”、“连接”之意，但用法和应用场景千差万别.

1.join

用法： 用于连接字符串数组。将字符串、元组、列表中的元素以指定的字符（即分隔符）连接生成一个新的字符串
语法： ‘sep’.join(seq)
参数说明： sep：分隔符，可以为空；seq：要连接的元素序列、字符串、元组、字典等
返回值： 返回一个以分隔符sep连接各个元素后生成的新字符串

import os
sep='*'
seq="If you are fragrant, butterflies come"
print(sep.join(seq))

在这里插入图片描述

import os
a='*'
seq='If','you','are','fragrant','butterflies','come'
print(a.join(seq))

在这里插入图片描述

2.os.path.join

用法： 将多个路径组合后返回，但是不会生成
语法： os.path.join(path1[,path2[,path3[,…[,pathN]]]])
返回值： 将多个路径组合后返回
注意： 第一个绝对路径之前的参数将会被忽略
用os.path.join()连接两个文件名地址的时候，就比os.path.join(“D:”,“test.txt”)结果是D:\test.txt，并且在我们往里面写东西，然后保存，在这个目录下会生成这个文件，但是如果你不写东西，那么执行这句话之后，在D盘的目录下是不会有这个文件名称的。
1.如果各组件名首字母不包含’/’，则函数会自动加上

import os
Path1 = 'home'
Path2 = 'develop'
Path3 = 'code'
print ('Path = ',os.path.join(Path1,Path2,Path3))

在这里插入图片描述
2. 如果有一个组件是一个绝对路径，则在它之前的所有组件均会被舍弃

import os
Path1 = '/home'
Path2 = 'develop'
Path3 = 'code'
Path20 = os.path.join(Path1, Path2, Path3)
Path30 = os.path.join(Path2, Path1, Path3)
print('Path20 = ',Path20)
print('Path30 = ',Path30)

在这里插入图片描述
3. 如果最后一个组件为空，则生成的路径以一个’/'分隔符结尾

import os
Path1 = 'home'
Path2 = 'develop'
Path3 = ''
Path20 = os.path.join(Path1, Path2, Path3)
Path30 = os.path.join(Path2, Path1, Path3)
print('Path20 = ',Path20)

在这里插入图片描述

2.import glob

glob库是python自己带的一个文件操作相关模块，用它可以查找符合自己目的的文件，就类似于Windows下的文件搜索，支持通配符操作
PS: 通配符是一种特殊语句，主要有星号( * )和问号( ? )，用来模糊搜索文件。当查找文件夹时，可以使用它来代替一个或多个真正字符；当不知道真正字符或者懒得输入完整名字时，常常使用通配符代替一个或多个真正的字符。
在这里插入图片描述
glob模块的主要方法就是glob和iglob,该方法返回所有匹配的文件路径列表（list）；该方法需要一个参数用来指定匹配的路径字符串（字符串可以为绝对路径也可以为相对路径），其返回的文件名只包括当前目录里的文件名，不包括子文件夹里的文件。glob.glob()可同时获取所有的匹配路径，而glob.iglob()一次只能获取一个匹配路径

绝对路径： 总是从根文件夹开始，Window 系统中以盘符（C：、D：）作为根文件夹，而 OS X 或者 Linux 系统中以 / 作为根文件夹。
相对路径： 指的是文件相对于当前工作目录所在的位置。例如，当前工作目录为 “C:\Windows\System32”，若文件 demo.txt 就位于这个 System32 文件夹下，则 demo.txt 的相对路径表示为 “.\demo.txt”（其中 .\ 就表示当前所在目录）。
斜杠：/；反斜杠：\，windows地址分隔符，具体如图：

1.用法说明：

是获得C盘下的所有txt文件：

glob.glob(r’c:*.txt’) #加上r让字符串不转义

获得指定目录下的所有.jpg格式的图片

 print glob.glob(r"E:/Picture/*/*.jpg")

2.用法实例：

在这里插入图片描述

import glob
print(glob.glob(r"F:/Code/SRCNN-test/test/*.jpg"))

在这里插入图片描述

import glob
a = glob.iglob(r"F:/Code/SRCNN-test/test/*.jpg")
for i in a:
    print(i)

在这里插入图片描述

3.import h5py

1.HDF5

HDF5：Hierarchical Data Format Version 5, 层次性数据格式第五版。是一种为存储和处理大容量科学数据设计的文件格式及相应库文件。HDF5 文件一般以 .h5 或者 .hdf5 作为后缀名，需要专门的软件才能打开预览文件的内容。是一种常见的跨平台数据储存文件，可以存储不同类型的图像和数码数据，并且可以在不同类型的机器上传输，同时还有统一处理这种文件格式的函数库。HDF5适用于单机大规模数据应用，比如神经网络训练、股票回测、CFD计算、大数据体处理等等，python中常用的接口模块也就是使用工具为 h5py。
一个 HDF5 文件是存储两类对象的容器，这两类对象分别为：

dataset：类似数组的数据集合；
group；类似目录的容器，其中可以包含一个或多个 dataset 及其它的 group。

2.H5py

h5py是Python语言用来操作HDF5的模块.(库有问题暂时不写)，剩下的都是基础的python库。

异常处理

在各种语言编程中，都会遇到一些错误异常。在python中有错误和异常俩种情况，错误最常见的情况就是语法错误SyntaxError,在运行过程中会有倒三角的箭头标明错误位置。另外一种就是异常，这种情况语句语法格式都没有错误，只是在运行过程中有错误。在python中，语法错误是直接显示在相关终端窗口，而异常可以进行错误提示，也可以进行捕捉处理。而捕捉异常处理通常使用try/except的语句。try异常进行捕捉except对错误进行处理。如果你不想在异常发生时结束你的程序，只需在try里捕获它。

try:
  xrange#被检测的语句
except:
  xrange = range#处理异常的语句

1.案例演示:

print("请输入账号")
try:
    num = input(">>:");
    print("您输入的数字是：%d"%(int(num)))
except:
    print("您输入的是无效数据！")
print("请输入密码")
num = input(">>:")

在这里插入图片描述
在Python编程中：%s表示格化式一个对象为字符，%d表示整数。except后面是可以跟不同的异常类型，这里省略

tf.app.flags.FLAGS

tf.app.flags 模块是Tensorflow提供的功能，用于为Tensorflow程序实现命令行标志。
也就是 tf.app.flags.FLAGS 用来命令行运行代码时传递参数.tf.app.flags.DEFINE_xxx()就是添加命令行的optional argument（可选参数），而tf.app.flags.FLAGS可以从对应的命令行参数取出参数。

import tensorflow as tf
FLAGS = tf.app.flags.FLAGS
# 基本模型参数
# 定义integer型flag
tf.app.flags.DEFINE_integer(name='batch_size', default=128,
                            help='Number of images to process in a batch.')
# 定义string型flag
tf.app.flags.DEFINE_string(name='data_dir', default='cifar-10-binary',
                           help='Path to the CIFAR-10 data directory.')

print(FLAGS.batch_size)
print(FLAGS.data_dir)

在这里插入图片描述
**提示：**命令行运行.py文件，直接输入python然后再打开要运行的.py文件左键直接拖拽就可以了不用自己输入位置太麻烦；在命令行设置参数时–batch_size前的空格和–data_dir前后的空格都必须有。

Def部分

1.Python函数

函数是组织好的，可重复使用，用来实现单一或者相关联功能的代码段。函数能提高代码的重复利用率，Python中有许多内建函数比如print（），但是有时候需要自己创建函数，这种函数叫做用户的自定义函数。再说的简单直白一点，函数就是给一段代码起一个名字，然后在其它地方用这个名字代替这一段代码来被使用其功能。在Python中函数必须遵守先定义再调用的规则否则将会报错。而函数的定义和调用就是它的使用方法。关于函数内容太多，作个简介知道是什么就ok了其它内容遇到再学习记录。

2.函数的注释

Python中函数的注释用" " “注释内容” " "的方法实现。如下图中红色框部分：
在这里插入图片描述

3.函数的定义和调用

1.函数定义语法格式

Python函数的定义需要使用关键字def，语法格式如下：
def 函数名(参数列表):
函数体
return 返回值列表

2.函数调用格式

变量名 = 函数名()

3.实例

utils.py一共有9个()函数，一个个来，全部征服！！！

1.def read_data(path)–读取.h5文件的data和label数据，转化np.array格式

注释部分：
在这里插入图片描述
函数体：

 with h5py.File(path, 'r') as hf:
    data = np.array(hf.get('data'))
    label = np.array(hf.get('label'))
    return data, label

第一句 with h5py.File(path, ‘r’) as hf拆成俩部分with…as…和h5py.File(path, ‘r’)俩部分。这个函数本身就是读取数据而with语句就是用来实现读取需要的.h5数据文件的。在任何一门编程语言中都会涉及到文件中数据的I/O等这些常见的资源管理操作。但资源是有限的，在使用之后必须释放，不然轻则造成系统运行缓慢重则系统崩溃。虽然在不同的编程语言中有不同的文件关闭操作，比如Python中的close()但即便使用 close() 做好了关闭文件的操作，如果在打开文件或文件操作过程中抛出了异常，还是无法及时关闭文件。在python中引入with…as…来操作上下文管理器（context manager），它能够帮助我们自动分配并且释放资源。先了解普通的文件处理方法：

file = open("./test/IO.txt")
data = file.read()
file.close()#文件使用完毕后必须关闭，因为文件对象会占用操作系统的资源，并且操作系统同一时间能打开的文件数量也是有限的
print("读取的数据内容：",data)
#如果用一句话实现：
print("读取的数据内容：",(open("./test/IO.txt")).read())

在这里插入图片描述

由于文件读写时都有可能产生IOError，一旦出错，后面的f.close()就不会调用。所以，为了保证无论是否出错都能正确地关闭文件，我们可以使用try … finally来实现：

file = open("/tmp/foo.txt")
try:
    data = file.read()
finally:
    file.close()

但是还有一个更简洁的实现，就是用with as，with语句的目的是简化try/finally模式，用于保证一段代码运行完毕之后能够执行某项操作，即便代码由于异常、return语句或者sys.exit()调用而中止。

with open("./test/IO.txt") as content:
    data = content.read()
    print("读取的数据内容：",data)
#或者
with open("./test/IO.txt") as content:
    print("读取的数据内容：",content.read())

还有就是np.array()这个函数，它的功能就是把数据转化为矩阵：

import numpy as np
a = np.array([1,2,3,4,5])
b = np.array([[1,1,1],[2,2,2],[3,3,3]])
print("数组a:",a)
print("数组b：\n",b)

在这里插入图片描述

2.def preprocess(path, scale=3)–对路径下的image裁剪成scale整数倍,再对image缩小1/scale倍后,放大scale倍以得到低分辨率图input_,调整尺寸后的image为高分辨率图label_

注释部分：
在这里插入图片描述
函数体：

 image = imread(path, is_grayscale=True)
 label_ = modcrop(image, scale)

  # Must be normalized
  image = image / 255.
  label_ = label_ / 255.

  input_ = scipy.ndimage.interpolation.zoom(label_, (1./scale), prefilter=False)
  input_ = scipy.ndimage.interpolation.zoom(input_, (scale/1.), prefilter=False)

前俩行就是读入灰度图像
scipy.ndimage.interpolation.zoom()，根据scale进行裁剪，随后进行裁剪，最后是插值。关于插值scipy.ndimage.interpolation.zoom（），演示如下：

import numpy as np
import scipy.ndimage
x = np.arange(16).reshape(4, 4)
#arange(16)生成数组，只有结束项16即0-15，shape就是4*4的
print('Original array:')
print(x)
print('Resampled by a factor of 2 with nearest interpolation:')
print(scipy.ndimage.zoom(x, 2, order=0))
print('Resampled by a factor of 2 with bilinear interpolation:')
print(scipy.ndimage.zoom(x, 2, order=1))
print('Resampled by a factor of 2 with bicubic interpolation:')
print(scipy.ndimage.zoom(x, 2, order=3))
print('Downsampled by a factor of 0.5 with default interpolation:')
print(scipy.ndimage.zoom(x, 0.5))

在这里插入图片描述

2.def preprocess(path, scale=3)–对路径下的image裁剪成scale整数倍,再对image缩小1/scale倍后,放大scale倍以得到低分辨率图input_,调整尺寸后的image为高分辨率图label_

 input_ = scipy.ndimage.interpolation.zoom(label_, (1./scale), prefilter=False)
 input_ = scipy.ndimage.interpolation.zoom(input_, (scale/1.), prefilter=False)

通过把图片先缩小再放大，得到模糊图像（后面要用的input），原始图像就是label，然后把所有的图像裁剪成3333,和2121 分别添加到两个list中，把两个list分别转成array，得到n33331 和n21211，然后存成.h5文件格式，再读出。最后返回图像和标签。

3.def prepare_data(sess, dataset)

filenames = os.listdir(dataset)

os.listdir(path)： 返回输入路径下的文件和列表名称,即获得指定目录中的内容。

import os
path="F:\\Code\\SRCNN-test\\test"
# for i in path:
print(os.listdir(path))

在这里插入图片描述

data_dir = os.path.join(os.getcwd(), dataset)

os.getcwd()： 获得当前路径,该函数不需要传递参数，它返回当前的目录。需要说明的是，当前目录并不是指脚本所在的目录，而是所运行脚本的目录。

import os
print(os.getcwd())

在这里插入图片描述

data = glob.glob(os.path.join(data_dir, "*.bmp"))
#用它可以查找符合特定规则的文件路径名(data_dir下的所有.bmp文件)

os.sep

首先，python是跨平台的。在 Windows 上，文件的路径分割符号是 \ ，在 Linux 上是 /。为了让你的代码在不同的平台上都能运行，那么你写路径的时候是写 / 还是写 \ 呢？使用 os.sep 的话，你就不用去考虑这个了，os.sep 根据你所处的平台，自动地采用相应的分割符号。举例：Linux下一个路径, /usr/share/python，那么上面的 os.sep 就是 / ，Windows下一个路径, C:\Users\Desktop, 那么上面的 os.sep 就是 \ 。

4.def make_data(sess, data, label)

参考文献：
1.python-基础语法-glob.glob()