for index,img in enumerate(test_img): image = Image.open(img) # 打开img_dir路径下的图片 接下来如何获取图片文件名
时间: 2023-10-23 14:14:12 浏览: 36
你可以使用os模块中的basename函数来获取文件名。示例代码如下:
```
import os
for index, img in enumerate(test_img):
image = Image.open(img)
file_name = os.path.basename(img)
# 接下来可以使用file_name变量来操作文件名
```
其中,os.path.basename(img)函数会返回路径字符串中的文件名部分。
相关问题
for index,img in enumerate(test_img): image = Image.open(img) # 打开img_dir路径下的图片 image = image.resize([208, 208]) # 改变图片的大小,定为宽高都为208像素 image_array = np.array(image) # 转成多维数组,向量的格式 file=os.listdir(img) 这段有什么问题
这段代码中,`os.listdir(img)` 的参数应该是一个目录的路径,而不是一个具体图片文件的路径。因为 `os.listdir()` 函数要求传入的参数是一个目录的路径,它会返回该目录下所有文件和子目录的名称列表。所以,如果你想遍历一个目录下的所有图片文件,可以使用 `os.listdir()` 获取该目录下的所有文件名列表,然后再对每个文件名进行判断,只处理图片文件。例如:
```python
import os
from PIL import Image
import numpy as np
img_dir = "/path/to/your/image/directory"
image_files = [os.path.join(img_dir, f) for f in os.listdir(img_dir) if f.endswith('.jpg') or f.endswith('.png')]
for index, img_file in enumerate(image_files):
image = Image.open(img_file)
image = image.resize([208, 208])
image_array = np.array(image)
```
这样就可以遍历 `img_dir` 目录下所有的 `.jpg` 和 `.png` 图片文件了。
以下代码有什么错误,怎么修改: import tensorflow.compat.v1 as tf tf.disable_v2_behavior() from PIL import Image import matplotlib.pyplot as plt import input_data import model import numpy as np import xlsxwriter num_threads = 4 def evaluate_one_image(): workbook = xlsxwriter.Workbook('formatting.xlsx') worksheet = workbook.add_worksheet('My Worksheet') with tf.Graph().as_default(): BATCH_SIZE = 1 N_CLASSES = 4 image = tf.cast(image_array, tf.float32) image = tf.image.per_image_standardization(image) image = tf.reshape(image, [1, 208, 208, 3]) logit = model.cnn_inference(image, BATCH_SIZE, N_CLASSES) logit = tf.nn.softmax(logit) x = tf.placeholder(tf.float32, shape=[208, 208, 3]) logs_train_dir = 'log/' saver = tf.train.Saver() with tf.Session() as sess: print("从指定路径中加载模型...") ckpt = tf.train.get_checkpoint_state(logs_train_dir) if ckpt and ckpt.model_checkpoint_path: global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1] saver.restore(sess, ckpt.model_checkpoint_path) print('模型加载成功, 训练的步数为: %s' % global_step) else: print('模型加载失败,checkpoint文件没找到!') prediction = sess.run(logit, feed_dict={x: image_array}) max_index = np.argmax(prediction) workbook.close() def evaluate_images(test_img): coord = tf.train.Coordinator() threads = tf.train.start_queue_runners(coord=coord) for index,img in enumerate(test_img): image = Image.open(img) image = image.resize([208, 208]) image_array = np.array(image) tf.compat.v1.threading.Thread(target=evaluate_one_image, args=(image_array, index)).start() coord.request_stop() coord.join(threads) if __name__ == '__main__': test_dir = 'data/test/' import glob import xlwt test_img = glob.glob(test_dir + '*.jpg') evaluate_images(test_img)
在代码中,我注意到了几个错误:
1. 在导入`input_data`和`model`模块时,代码中没有找到这两个模块的导入语句。
2. `evaluate_one_image`函数中的`image_array`参数未定义。
3. 在`evaluate_images`函数中,`tf.train.Coordinator()`和`tf.train.start_queue_runners()`函数之间缺少了一个空行。
4. 在调用`evaluate_one_image`函数时,传递的参数应该是`(image_array, index)`而不是`(image_array, index)`。
以下是修改后的代码:
```python
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
from PIL import Image
import matplotlib.pyplot as plt
import input_data
import model
import numpy as np
import xlsxwriter
num_threads = 4
def evaluate_one_image(image_array, index):
workbook = xlsxwriter.Workbook('formatting.xlsx')
worksheet = workbook.add_worksheet('My Worksheet')
with tf.Graph().as_default():
BATCH_SIZE = 1
N_CLASSES = 4
image = tf.cast(image_array, tf.float32)
image = tf.image.per_image_standardization(image)
image = tf.reshape(image, [1, 208, 208, 3])
logit = model.cnn_inference(image, BATCH_SIZE, N_CLASSES)
logit = tf.nn.softmax(logit)
x = tf.placeholder(tf.float32, shape=[208, 208, 3])
logs_train_dir = 'log/'
saver = tf.train.Saver()
with tf.Session() as sess:
print("从指定路径中加载模型...")
ckpt = tf.train.get_checkpoint_state(logs_train_dir)
if ckpt and ckpt.model_checkpoint_path:
global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]
saver.restore(sess, ckpt.model_checkpoint_path)
print('模型加载成功, 训练的步数为: %s' % global_step)
else:
print('模型加载失败,checkpoint文件没找到!')
prediction = sess.run(logit, feed_dict={x: image_array})
max_index = np.argmax(prediction)
workbook.close()
def evaluate_images(test_img):
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
for index, img in enumerate(test_img):
image = Image.open(img)
image = image.resize([208, 208])
image_array = np.array(image)
tf.compat.v1.threading.Thread(target=evaluate_one_image, args=(image_array, index)).start()
coord.request_stop()
coord.join(threads)
if __name__ == '__main__':
test_dir = 'data/test/'
import glob
import xlwt
test_img = glob.glob(test_dir + '*.jpg')
evaluate_images(test_img)
```
请注意,我只修复了我在代码中发现的错误,并没有对其他部分进行修改。如果还有其他错误或问题,请提供更多信息,以便我能够更好地帮助你。