1+ # -*- coding:utf-8
2+ # 此小节是进行数据预处理
3+ # step1 图像切割
4+ # step2 特征提取:常用直方图法、颜色矩，此代码用的是颜色矩方法
5+ from __future__ import division
6+ from PIL import Image
7+ import cv2
8+ import numpy as np
9+ import os
10+ from pandas import DataFrame
11+ import pandas as pd
12+
13+ # 获取当前工作目录及子目录下所有图片文件的绝对路径，包含其所有子文件夹中的图片
14+ def getimgdir (imgfilename ):
15+ imgdirs = []
16+ imgTypes = [".png" , ".jpg" , ".bmp" ]
17+ if imgfilename :
18+ presentfiles = imgfilename
19+ else :
20+ presentfiles = os .getcwd () # 获得当前工作目录
21+
22+ for root , dirs , files in os .walk ("." ):
23+ r = root [2 :]
24+ for afile in files :
25+ if r != '' :
26+ ffile = presentfiles + "\\ " + r + "\\ " + afile
27+ else :
28+ ffile = presentfiles + "\\ " + afile
29+
30+ if ffile [ffile .rindex ("." ):].lower () in imgTypes :
31+ imgdirs .append (ffile )
32+ return imgdirs
33+
34+ # 获取当前工作目录及子目录下所有图片文件的绝对路径 # 不包含下层文件夹中的图片
35+ def getimgdir_designed (imgfilename ):
36+ if os .path .exists (imgfilename )== False :# 若指定的文件夹不存在，则提示！
37+ print '你设定的指定文件夹不存在！'
38+ return None
39+ imgdirs = []
40+ imgTypes = [".png" , ".jpg" , ".bmp" ]
41+ presentfiles = imgfilename #获得当前工作目录
42+ recursion = 0 # 控制递归深度，只递归当前目录
43+ for root , dirs , files in os .walk (presentfiles ):
44+ for afile in files :
45+ ffile = presentfiles + "\\ " + afile
46+ if ffile [ffile .rindex ("." ):].lower () in imgTypes :
47+ imgdirs .append (ffile )
48+ if (not recursion ):
49+ break
50+ return imgdirs
51+
52+ '''将图片切割成（2*halfw）*（2*halfh）像素的文件，并返回切割后的文件的绝对路径
53+ src是待切割的文件的绝对路径，halfw是切割后图片的宽度的一半,
54+ halfh是切割后图片的长度的一半，dstpath是切割后图片的保存路径
55+ 注意：在切割图片时，要先确保要处理的图片中央位置是有效图片，若不是，则需要进行图片处理'''
56+ def splitimage (src , halfw , halfh , dstpath ):
57+ img = Image .open (src )
58+ w , h = img .size
59+
60+ s = os .path .split (src )
61+ if dstpath == '' :
62+ dstpath = s [0 ]
63+ fn = s [1 ].split ('.' )
64+ basename = fn [0 ]
65+ ext = fn [- 1 ]
66+
67+ box = (h // 2 - halfh , w // 2 - halfw , h // 2 + halfh , w // 2 + halfw )
68+ pic_cut_name = os .path .join (dstpath , basename + '_cut' + '.' + ext )
69+ img .crop (box ).save (pic_cut_name )
70+ return pic_cut_name
71+
72+ # 颜色矩方式进行特征提取
73+ def color_moments (filename ):
74+
75+ img = cv2 .imread (filename )
76+ if img is None :
77+ return
78+ # Convert BGR to HSV colorspace
79+ hsv = cv2 .cvtColor (img , cv2 .COLOR_BGR2HSV )
80+ # Split the channels - h,s,v
81+ h , s , v = cv2 .split (hsv )
82+ # 初始化颜色特征
83+ color_feature = []
84+
85+ # 一阶中心矩求解 sum(x)/N = mean ---均值
86+ h_mean = np .mean (h ) # np.sum(h)/float(N)
87+ s_mean = np .mean (s ) # np.sum(s)/float(N)
88+ v_mean = np .mean (v ) # np.sum(v)/float(N)
89+ color_feature .extend ([h_mean , s_mean , v_mean ])
90+ # 二阶中心矩求解 (sum(x-mean)/N)**(1/2) = std ---方差
91+ h_std = np .std (h ) # np.sqrt(np.mean(abs(h - h.mean())**2))
92+ s_std = np .std (s ) # np.sqrt(np.mean(abs(s - s.mean())**2))
93+ v_std = np .std (v ) # np.sqrt(np.mean(abs(v - v.mean())**2))
94+ color_feature .extend ([h_std , s_std , v_std ])
95+ # 三阶中心矩求解 ((sum(x-mean))**(1/3)/N)**(1/3)
96+ h_skewness = np .mean ((h - h .mean ())** 3 )
97+ s_skewness = np .mean ((s - s .mean ())** 3 )
98+ v_skewness = np .mean ((v - v .mean ())** 3 )
99+ h_thirdMoment = abs (h_skewness )** (1. / 3 ) * (- 1 if h_skewness < 0 else 1 )
100+ s_thirdMoment = abs (s_skewness )** (1. / 3 ) * (- 1 if s_skewness < 0 else 1 )
101+ v_thirdMoment = abs (v_skewness )** (1. / 3 ) * (- 1 if v_skewness < 0 else 1 )
102+ color_feature .extend ([h_thirdMoment , s_thirdMoment , v_thirdMoment ])
103+
104+ return color_feature
105+
106+ # 输出图片输出目录
107+ def saveimg (dstpath ):
108+ # if not dstpath or dstpath .isspace()
109+ if (os .path .exists (dstpath ) == False ) and dstpath != '' : # 若输入的路径不存在，则创建该目录
110+ os .makedirs (dstpath ) # 创建目标文件夹
111+ if dstpath == '' : #不输入路径(直接回车）则表示使用源图片所在目录
112+ dstpath = os .getcwd ()
113+ return dstpath
114+
115+ if __name__ == '__main__' :
116+ # 待切割的图片所在的目录（多个图片所在的目录，是个列表格式）【分别求出不同类别的数据对应的特征值】
117+ doc = r'D:\PycharmProjects\sf_dataAnalysis\waterimg\images\1'
118+
119+ # 获取图片路径：根据需求是否需要包含子文件夹中的图片文件（若需要，使用方式1，否则，使用方式2）
120+ # waitcut = getimgdir(doc) #注意：方式1、获取的当前工作目录下的所有图片文件(包含所有子文件夹的图片）
121+ waitcut = getimgdir_designed (doc )#注意：方式2、获取指定目录下的图片文件(不包含子文件夹的图片，仅当前文件夹）
122+
123+ # 输入图片输出路径（若不存在，则新建目录）
124+ dstpath = saveimg (raw_input ('请输入图片输出目录：' )) # 例如，输入：D:\PycharmProjects\readwriteFiles\img_cut_pix\pic_cut
125+ resultlist = [[]] # 创建空列表用于存储切割后的文件的路径名
126+ while True :
127+ try :
128+ halfh = input ('请输入切割后图片高的一半(数值）：' ) # 设定输入为50
129+ halfw = input ('请输入切割后图片宽的一半（数值）：' ) # 设定输入为50
130+ print '正在批处理切割图片...'
131+ for i in waitcut :#所有图片文件路径
132+ filename = splitimage (i , halfh , halfw , dstpath )
133+ impix = color_moments (filename )
134+ resultlist .append (impix )
135+ print '图片切割完成！'
136+ except Exception :# 此处异常包括 (1) 输入的是非数值型（2）输入的数值是非正数 ！注意：如果数值过大，不影响切割，会超出原图
137+ print Exception
138+ else :
139+ break
140+ del resultlist [0 ]
141+ columnsname = ['R通道一阶矩' ,'G通道一阶矩' ,'B通道一阶矩' ,'R通道二阶矩' ,'G通道二阶矩' ,'B通道二阶矩' ,\
142+ 'R通道三阶矩' ,'G通道三阶矩' ,'B通道三阶矩' ,]
143+ df = DataFrame (resultlist ,columns = columnsname )
144+ df .insert (0 , 'typenum' , 1 )
145+ df .to_csv ('type1.csv' ,encoding = 'gbk' ,index = False )
146+
147+ print df
0 commit comments