前面我介绍了可视化的一些方法以及机器学习在预测方面的应用，分为分类问题（预测值是离散型）和回归问题（预测值是连续型）（具体见之前的文章）。

从本期开始，我将做一个关于图像识别的系列文章，让读者慢慢理解python进行图像识别的过程、原理和方法，每一篇文章从实现功能、实现代码、实现效果三个方面进行展示。

实现功能：

实现图像读取和像素转换。

实现代码：

import cv2
import numpy as np
from cv2 import dnn_superres
import time
import os, random, shutil
from PIL import Image

#==================读取图片=================================
def read_image(paths):
    os.listdir(paths)
    filelist = []
    for root, dirs, files in os.walk(paths):
        for file in files:
            if os.path.splitext(file)[1] == ".png":
                filelist.append(os.path.join(root, file))

    print(filelist)
    return filelist

#==========转换图片像素，使其大小一致===============
def im_xiangsu_1(paths,path):
    for filename in paths:
        print(filename)
        print(filename[29:-4])
        try:
            im = Image.open(filename)
            newim = im.resize((128, 128))
            print(newim)
            newim.save(path+'\\'+filename[29:-4] + '.png')
            print('图片' + filename[29:-4] + '.png' + '像素转化完成')
        except OSError as e:
            print(e.args)

if __name__ == '__main__':
    tarDir_Train = 'D:\电池条带V2\\dataset\\train\\'   
    pathDir_Train = os.listdir(tarDir_Train)
    print(pathDir_Train)
    for i in pathDir_Train:      
        im_xiangsu_1(read_image(tarDir_Train+i), tarDir_Train+i)

实现效果：

由于数据为非公开数据，仅展示几个图像的效果，有问题可以关注V订阅号：数据杂坛联系我。

 

 

本人读研期间发表5篇SCI数据挖掘相关论文，现在在某研究院从事数据挖掘相关工作，对数据挖掘有一定的认知和理解，会不定期分享一些关于python机器学习、深度学习、数据挖掘基础知识与案例。

致力于只做原创，以最简单的方式理解和学习，关注我一起交流成长。

关注V订阅号：数据杂坛可在后台联系我获取相关数据集和源码，送有关数据分析、数据挖掘、机器学习、深度学习相关的电子书籍。