图像处理创建dataset，img_path，label的代码

以下是一个简单的图像处理代码示例，用于创建数据集，其中包括图像路径和标签：

import os
import cv2
import numpy as np

# 图像文件夹路径和标签
data_dir = 'path/to/image/folder'
labels = ['cat', 'dog']

# 创建数据集
dataset = []
for label in labels:
    label_path = os.path.join(data_dir, label)
    for img_name in os.listdir(label_path):
        img_path = os.path.join(label_path, img_name)
        img = cv2.imread(img_path)
        img = cv2.resize(img, (224, 224))  # 调整图像大小
        img = np.array(img, dtype=np.float32) / 255.0  # 归一化图像
        dataset.append((img, label))

# 打印数据集大小
print('Dataset size:', len(dataset))

# 打印前10个样本
for i in range(10):
    print(dataset[i])

在这个示例中，我们假设有两个标签：'cat' 和 'dog'，并将它们存储在文件夹 'path/to/image/folder' 中。我们遍历每个标签文件夹，读取每个图像并将其调整为大小为 (224, 224) 的图像。然后，我们将图像归一化为值在 0 和 1 之间的浮点数，并将其与标签一起添加到数据集中。

最后，我们打印数据集大小并输出前10个样本。