.mat转成.npy文件+Python(Pytorch)压缩裁剪图片

需求：现有数据文件V1.mat，里面包含多个数据集，现需将里面的images数据集提取出来，然后进行压缩裁剪成指定大小

V1.mat数据集目录：

 1、从mat文件中提取数据（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'])
#转置，images是numpy.ndarray格式的

print(images)#控制台输出数据
print(images.shape)#输出数据格式
#(480, 640, 3, 2284)

np.save('./images', images)#保存数据，会生成一个images.npy文件

print(images)输出的数据：

2、将数据恢复成图片并保存

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)#转成图片
    # print(img.size)#(640, 480)

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

 转成的图片：

　　

 3、压缩并裁剪图片

这个程序包含了第二部分，等比例压缩后再裁剪，可以保持原图片比例，但会丢失一些边界信息。直接压缩可以保存原图片信息，但会变形。。。

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

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


'''
等比例压缩
'''
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)

'''
遍历图片
等比例压缩后裁剪
'''
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)#数据转成图片
        # print(img.size)       #(640, 480)
        # img.show()
        scale_img = scale_high(img,256)      #等比例压缩图片
        # print(scale_img.size)       #(341, 256)
        # scale_img.show()
        crop = transforms.RandomCrop((256, 256))    #裁剪图片
        crop_img = crop(scale_img)  #
        # crop_img.show()
        crop_img.save('./Picture/%d.jpg' % i)   #保存图片

'''
遍历图片，直接缩放
'''
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)#数据转成图片
        # 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)