使用os读入图片数据集，并划分训练数据集和测试数据集

在Python中，我们可以使用`os`模块来遍历文件夹并加载图片数据，然后利用`sklearn`库中的`train_test_split`函数来划分训练数据集和测试数据集。以下是一个简单的步骤示例：

1. 首先，导入所需的库：

import os
from skimage.io import imread
import numpy as np
from sklearn.model_selection import train_test_split

2. 确定图像文件夹路径及其结构：

image_folder = "path/to/images"  # 替换为实际图片文件夹路径
train_data_folder = os.path.join(image_folder, 'train')  # 假设训练集在原文件夹下有子目录'train'
test_data_folder = os.path.join(image_folder, 'test')  # 类似地，假设测试集在' test'子目录下

# 获取图片文件列表
image_files = [f for f in os.listdir(train_data_folder) if f.endswith(".jpg") or f.endswith(".png")] + \
             [f for f in os.listdir(test_data_folder) if f.endswith(".jpg") or f.endswith(".png")]

3. 加载并预处理图像数据：

images = []
labels = []

for folder, label in zip([train_data_folder, test_data_folder], ['train', 'test']):
    for file in image_files:
        img_path = os.path.join(folder, file)
        img = imread(img_path)
        images.append(img)
        labels.append(label)

# 将图片转换成numpy数组
X = np.array(images)
y = np.array(labels)

4. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

这将创建两个数据集：`X_train`和`y_train`用于训练模型，`X_test`和`y_test`用于评估模型性能。