7.11学习记录 - 字典调用 数组切片 双三次插值降采样等

　　刚刚入门python，在做超分辨有关的项目，解决了以下问题：

　　　　1、从字典中读取key，把其中一个或几个key的内容摘出来；

　　　　2、对多维数组进行切片；

　　　　3、进行h5和mat文件的读取与保存；

　　　　4、对数组进行双三次插值降采样。

　　所选软件：PyCharm，图标如图所示：

　　新建一个Python文件，根据今天的目标内容需要调用以下几个库：

import scipy.io as sio # 读取mat文件时需要
import h5py # 读取保存h5文件时需要
import numpy as np # 双三次插值降采样时建立新数组需要
from scipy import misc # 双三次插值降采样的imresize由此得到

• 读取mat文件并得到保存所需数据的数组
  • 首先我们的目的是从数据库文件(即mat文件)中得到用于实验的数据，但直接将mat文件赋值给数组进行运算会报错(因为mat文件包含内容不只是一个数组，后面会解释)，因此要进行debug：
  • 点击窗口左侧图标里最右边的“Evaluate Expression”，弹出窗口，输入“data”发现mat文件是一个字典而非数组，由四个key(键值)和它们相关联的元素组成。
    

    

  • 由上图可以看出‘salinas_corrected’键值对应内容为所需数组，将此键值关联的数组提取出来进行下一步的实验：

    salina = data['salinas_corrected']  # 从字典data中提取特定key赋给salina数组

  • 由此得到salina数组，且上图可得shape = (512, 217, 204)，是三维数组。

 

• 数组切片
  • 此时得到了整个数据集，因为实验需要划分训练集测试集，所以要对整个数组进行切片。
  • 在这里将数组第三维度(c即channels)保持不变，前两个维度(h, w即长宽)划分为45×45的小块，
  • 将数组以步长为10分割成(45, 45, 204)的小片(为了代码复用，数字都使用参数形式)：

    stride = 10 # 步长为10
    piece = 45　# 分成45×45小块
    data_split_get = []
    for i in range(0, salina.shape[0]-piece, stride): # 为了代码复用推荐使用参数形式，salina.shape[0]意为salina数组第一个维度的长度，下同
        for j in range(0, salina.shape[1]-piece, stride):
            data_split = salina[i:i+piece, j:j+piece, :] # 第三个维度不变，前两个维度切片
            data_split_get.append(data_split）# 将切片所得小块分块连接存储在data_split_get中

     

• 双三次插值降采样
  • 经过数组分片，得到(846, 45, 45, 204)即(n, h, w, c)的四维数组，为了获取超分辨需要的groundtruth，进行超分辨训练，需要对数组进行降采样处理，得到(846, 15, 15, 204)的数组(长宽变为原来的1/scale，在这里scale取3，也可以取其他数值)。

    n, h, w, c = dataset.shape # dataset是切片后数组，n h w c为它四个维度的长度
    scale = 3.0 # 定义scale，可根据实验效果改变数值
    h2, w2 = int(h/scale), int(w/scale) # 对降采样后数组进行定义时要注意二三维度发生了改变，且必须是int形式，不能为float形式
    data_get = np.zeros([n, h2, w2, c])
    for i in range(0, n):
        for j in range(0, c):
            data_get[i, :, :, j] = misc.imresize(dataset[i, :, :, j], 1.0 / scale, 'bicubic') # 将二三维变为原来的1/scale，进行降采样

     

• 读取、保存h5文件
  
  • 保存为h5文件：

    file = h5py.File("data_split.h5", 'w')
    file.create_dataset('split', data=data_split_get) # h5文件也是字典，split为数组所对应的键值
    file.close()

  • 读取h5文件赋给data_new：

    data_new = h5py.File('./data_split.h5') # 括号内为文件地址
    dataset = data_new['split'].value # 读取文件特定键值对应数组值，得到所需数组

     

• 全部代码如下：

  import numpy as np
  from scipy import misc
  import scipy.io as sio
  import h5py
  
  # get 45*45 piece
  data = sio.loadmat('./Salinas_corrected.mat')
  salina = data['salinas_corrected']
  stride = 10
  piece = 4511 data_split_get = []12 for i in range(0, salina.shape[0]-piece, stride):
      for j in range(0, salina.shape[1]-piece, stride):
          data_split = salina[i:i+piece, j:j+piece, :]
          data_split_get.append(data_split)
  # save file
  file = h5py.File("data_split.h5", 'w')
  file.create_dataset('split', data=data_split_get)
  file.close()
  
  # get 15*15 Bicubic interpolation downsample
  data_new = h5py.File('./data_split.h5')
  dataset = data_new['split'].value
  n, h, w, c = dataset.shape
  scale = 3.0
  h2, w2 = int(h/scale), int(w/scale)
  data_get = np.zeros([n, h2, w2, c])
  for i in range(0, n):
      for j in range(0, c):
          data_get[i, :, :, j] = misc.imresize(dataset[i, :, :, j], 1.0 / scale, 'bicubic')
  # save file
  file = h5py.File("data_split_get.h5", 'w')
  file.create_dataset('get', data=data_get)
  file.close()
  print("hello")

  • see you～

Coconut.

2017-07-11