一次读取多个图像

Question

我的桌面上存储了多张图像，需要由 Tensorflow 一次处理一张。我的问题是我不知道如何创建一个循环来完成图像的单独读取和处理。

我在这个网站上找到了可以读取本地存储的多个图像的代码。我把代码放在我认为可以工作的地方，但没有。 通过下面的代码获得的结果，在 30 张图像中只显示了前两张。抱歉格式化。不是专家。我认为循环不应该作为一个整体放置在那里，并且缩进必须对不良结果做一些事情。任何提示将不胜感激。

谢谢

...code

from PIL import Image
import os, sys

path = 'C:\\Users\\Owner\\Desktop\\Images\\'

dirs = os.listdir( path )


....Code


if __name__ == '__main__':

    ...code

 for item in dirs:
        if os.path.isfile(path+item):
            im = Image.open(path+item)
            f, e = os.path.splitext(path+item)
 loadedImage = path + item


 parser.add_argument('--image', type=str, default='loadedImage')


   ....code

    for i, single_3d in enumerate(pose_3d):
           plot_pose(single_3d)

    pass

我将上面的代码切换到它并且它工作。但是，我的图像也不是按顺序显示的。谁能告诉我如何解决这个问题？：

这是代码：

import argparse
import logging
import time
import os
import ast
import common
import cv2
import numpy as np
from estimator import TfPoseEstimator
from networks import get_graph_path, model_wh

import sys
from PIL import Image
path = 'C:\\Users\\Owner\\Desktop\\data\\'
dirs = os.listdir(path)
dirs.sort()
from lifting.prob_model import Prob3dPose
from lifting.draw import plot_pose

logger = logging.getLogger('TfPoseEstimator')
logger.setLevel(logging.DEBUG)
ch = logging.StreamHandler()
ch.setLevel(logging.DEBUG)
formatter = logging.Formatter('[%(asctime)s] [%(name)s] [%(levelname)s] % 
(message)s')
ch.setFormatter(formatter)
logger.addHandler(ch)

if __name__ == '__main__':
    os.chdir('..')    
    for item in dirs:        
    im = Image.open(path+item)        
    f, e = os.path.splitext(path+item)        
    parser = argparse.ArgumentParser(description='tf-pose-estimation run')    
    nameimage = f + e   
    print(nameimage)
    parser.add_argument('--image', type=str, default = nameimage)       
    parser.add_argument('--model', type=str, 
    default='mobilenet_thin_432x368', help='cmu_640x480 / cmu_640x360 / 
    mobilenet_thin_432x368')
    parser.add_argument('--scales', type=str, default='[1.0, (1.1, 0.05)]', help='for multiple scales, eg. [1.0, (1.1, 0.05)]')
    args = parser.parse_args()
    scales = ast.literal_eval(args.scales)
    w, h = model_wh(args.model)
    e = TfPoseEstimator(get_graph_path(args.model), target_size=(w, h))
    image = common.read_imgfile(args.image, None, None)
    t = time.time()
    humans = e.inference(image, scales=[None])
    elapsed = time.time() - t
    logger.info('inference image: %s in %.4f seconds.' % (args.image, elapsed))
    image = cv2.imread(args.image, cv2.IMREAD_COLOR)
    image = TfPoseEstimator.draw_humans(image, humans, imgcopy=False)
    cv2.imshow('tf-pose-estimation result', image)
    cv2.waitKey()

    logger.info('3d lifting initialization.')
    poseLifting = Prob3dPose('./src/lifting/models/prob_model_params.mat')
    image_h, image_w = image.shape[:2]
    standard_w = 640
    standard_h = 480
    pose_2d_mpiis = []
    visibilities = []
    for human in humans:
        pose_2d_mpii, visibility = common.MPIIPart.from_coco(human)
        pose_2d_mpiis.append([(int(x * standard_w + 0.5), int(y * standard_h + 0.5)) for x, y in pose_2d_mpii])
        visibilities.append(visibility)
        pose_2d_mpiis = np.array(pose_2d_mpiis)
        visibilities = np.array(visibilities)
        transformed_pose2d, weights = poseLifting.transform_joints(pose_2d_mpiis, visibilities)
        pose_3d = poseLifting.compute_3d(transformed_pose2d, weights)
        pose_3dqt = np.array(pose_3d[0]).transpose()

        for point in pose_3dqt:
            #my points print(point)
            import matplotlib.pyplot as plt
    fig = plt.figure()
    a = fig.add_subplot(2, 2, 1)
    a.set_title('Result')
    plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
    a = fig.add_subplot(2, 2, 2)
    tmp = np.amax(e.heatMat, axis=2)
    plt.imshow(tmp, cmap=plt.cm.gray, alpha=0.5)
    plt.colorbar()
    tmp2 = e.pafMat.transpose((2, 0, 1))
    tmp2_odd = np.amax(np.absolute(tmp2[::2, :, :]), axis=0)
    tmp2_even = np.amax(np.absolute(tmp2[1::2, :, :]), axis=0)
    a = fig.add_subplot(2, 2, 3)
    a.set_title('Vectormap-x')
    plt.imshow(tmp2_odd, cmap=plt.cm.gray, alpha=0.5)
    plt.colorbar()
    a = fig.add_subplot(2, 2, 4)
    a.set_title('Vectormap-y')
    plt.imshow(tmp2_even, cmap=plt.cm.gray, alpha=0.5)
    plt.colorbar()
    for i, single_3d in enumerate(pose_3d):
        plot_pose(single_3d)
        plt.show()
    pass

Image 1 Jumps to image 10.

Answer 1

这个问题中的answer 可能会提供一些如何读取文件夹中图像的示例。

我的 jpg 图片按顺序存储 pic0,pic1,pic2,pic3,pic4,pic20,pic30,pic100 但我的代码显示图像 pic0,pic1,pic100,pic2,pic20,pic3,pic30.... 我该怎么做避免这种情况。？

问题在于图像数据集中的名称方式，以及您在阅读目录列表后添加的排序步骤。我的建议是将文件图像重命名为前导为零（例如 pic000、pic001、..、pic010、pic011、..）。

要重命名文件（给定您的图像名称），一个最小的示例：

import os
s1 = os.listdir('.')
for  s in s1:
    if ".jpg" not in s:
        continue
    if len(s)==8: # handle pic1.jpg pic2.jpg
        #print(s[:-5] + '00' + s[3] + '.jpg')
        os.rename(s, s[:-5] + '00' + s[3] + '.jpg')
    elif len(s)==9: # handle pic10.jpg pic11.jpg
        os.rename(s, s[:-6] + '0' + s[3:5] + '.jpg')