Pythonコードロギング

assert len(images) == len(segmentations)#判断长度是否相等

次元を増やす方法

       train_image_data_r = train_image_data_r [:, : ,: ,np.newaxis]
        train_label_data_r =train_label_data_r [:, : ,: ,np.newaxis]

チャネル変換

label_data=cv2.cvtColor(label_data,cv2.COLOR_BGR2GRAY)
label_data = cv2.cvtColor(label_data, cv2.COLOR_GRAY2RGB)

cv_img=cv2.imread("C:/Users/Terry/Desktop/trial/image0.bmp",-1)

-1と読むと（720、960、4）
、1と読むと（720、960、3）、トゥルーカラー
を0と読むと（720、960）になります。 、）、灰色の度グラフ

def cv_imread(filePath):
    cv_img = cv2.imdecode(np.fromfile(filePath, dtype=np.uint8), -1)
    #cv2.imshow(cv_img)
    #cv2.waitKey(0)
    return cv_img

中国語のパスを持つ画像の場合、imreadはそれらを読み取ることができません。上記の関数cv2.imdecodeを使用して、中国語のパスを持つ画像を読み取ります。flag = -1、0、1はimreadと同じです。

    with open(image_list_file) as infile:
        for line in infile:
            data_path = os.path.join(train_image_folder, line.split()[0])
            images_path.append(data_path)
            label_path = os.path.join(train_image_folder, line.split()[1])
            labels_path.append(label_path)
            


 for image, label in zip(images_path, labels_path):

ここでの主なレコードは、2つの辞書を1つにマージするzipメソッドです。その後、個別に出力します。この方法も使いやすく、trainimgとtrainlabelを別々にパッケージ化するのにも使えると思います。