MATLAB批量读取文件夹下的图像，并对图像进行裁剪为指定大小，旋转，缩放，加噪声处理，rgb2hsv，批量保存
看完标题，我们可以把这个任务当成两个子任务来实现：一是先批量读取指定文件夹下的图像，二是对读取的每一
帧图形裁剪；再就是如何设置，才可以裁剪出多张指定的大小？三是如何对处理后的图像进行批量保存?现在让我们来
一探究竟。
step1：批量读取指定文件夹下的图像：
file_path='F:\学术&工程\ObjectDetect\全景图像集\'; %图像文件夹路径
img_path_list=dir(strcat(file_path,'*.jpg'));%获取该文件夹下所有jpg格式的图像,是一个结构体，有data,name等成员
img_num=length(img_path_list);%获取图像的数量
if img_num >0 %文件夹下有图
for j=1:img_num %逐一读取图像
image_name=img_path_list(j).name;%图像名
image=imread(strcat(file_path,image_name));%拼接图像名
fprintf('%d %s\n',j,strcat(file_path,image_name));%显示正在处理的图像名
%TODO
%图像处理过程
end
end
好了，到此为止我们已经实现了批量读取指定路径下所有图像，那么，如果我们还要继续读取指定目录下的子文件夹中
的图像呢？我们又该怎么办呢？
p=genpath('F:\学术&工程\ObjectDetect\全景图像集');%获取指定文件夹下所有子文件的路径
%这些路径存在于字符串p中，以';'分割
length_p=size(p,2);%字符串p的长度
path={};%建立一个元胞数组，数组的每个单元中包含一个目录
temp=[];
for i=1:length_p %寻找分隔符';'，一旦找到，则将路径temp写入path数组中
if p(i)~=';'
temp=[temp p(i)];
else
temp=[temp '\'];%在路径的后面加上\
path=[path;temp];
temp=[];
end
end
clear p length_p temp
%至此，获得了指定文件夹及其所有子文件夹，接下来就是逐一文件夹读取图像，利用上面的path数组，将路径取出来
file_num=size(path,1);%获取子文件夹的个数
for i=1:file_num
file_path=path{i}; %获取每个文件夹路径
img_path_list=dir(strcat(file_path,'*.jpg')); %获取每个文件夹下的图像列表
img_num=length(img_path_list);%获取文件夹下图像的数量
if img_num > 0
for j=1:img_num
image_name=img_path_list(j).name;%获取图像名
image=imread(strcat(file_path,image_name));%读取文件夹下的每一帧图像
fprintf('%d %d %s\n',i,j,strcat(file_path,image_name));%显示正在读取的图像
%TODO
%图像处理过程：裁剪，加噪声等
end
end
end
对读取的图像进行处理
step2：如何对读取的图像进行处理呢？我们来看，这就是因人而异了，有的需要裁剪，有的需要加噪声，有的需要
处理后并保存到另外一个文件夹，因需求的不同在代码上也有些许差别，但是大体操作还是差不多的呢！好啦，现在
我们一起来看看吧：
p=genpath('F:\学术&工程\ObjectDetect\全景图像集');%获取指定文件夹下所有子文件的路径
%这些路径存在于字符串p中，以';'分割
length_p=size(p,2);%字符串p的长度
path={};%建立一个元胞数组，数组的每个单元中包含一个目录
temp=[];
for i=1:length_p %寻找分隔符';'，一旦找到，则将路径temp写入path数组中
if p(i)~=';'
temp=[temp p(i)];
else
temp=[temp '\'];%在路径的后面加上\
path=[path;temp];
temp=[];
end
end
clear p length_p temp
%至此，获得了指定文件夹及其所有子文件夹，接下来就是逐一文件夹读取图像，利用上面的path数组，将路径取出来
file_num=size(path,1);%获取子文件夹的个数
for i=1:file_num
file_path=path{i}; %获取每个文件夹路径
img_path_list=dir(strcat(file_path,'*.jpg')); %获取每个文件夹下的图像列表
img_num=length(img_path_list);%获取文件夹下图像的数量
if img_num > 0
for j=1:img_num
image_name=img_path_list(j).name;%获取图像名
image=imread(strcat(file_path,image_name));%读取文件夹下的每一帧图像
fprintf('%d %d %s\n',i,j,strcat(file_path,image_name));%显示正在读取的图像
%TODO
%图像处理过程
%裁剪，加噪声
crop_1=imcrop(image,[0,0,40,40]);
crop_2=imcrop(image,[80,80,100,100]);
crop_3=imcrop(image,[50,50,200,200]);
figure
imshow(crop_1);
%imshow(crop_2);
%imshow(crop_3);
end
end
end对于一张分辨率很高的图像，我们可以指定多个位置，从多个位置开始裁剪，裁剪制定大小，可裁剪成6部分，三行两列，
保证中间的能很好地裁剪到。
A. 想要加噪声的话，添加这两句话进去即可：
%加噪声
noise_1 = imnoise(image,'salt & pepper',0.1); %椒盐
noise_2 = imnoise(image,'gaussian',0,10) ;%gauss
figure
imshow(noise_1);B. 想要对照片旋转指定角度的话，在处理部分添加这几句话即可：
%D. 旋转处理，指定旋转角度
%旋转后，空余部分的填充如何实现？
%imrotate(),绕中心旋转？还有绕指定顶点旋转？
image_rotate_30=imrotate(image,30,'bilinear','loose');
image_rotate_60=imrotate(image,60,'bilinear','crop');
figure
imshow(image_rotate_30);
figure
imshow(image_rotate_60);%图像旋转操作C. 想要对图像做缩放的话，貌似直接resize就可以啦
%C. 图像缩放
%按指定倍数缩放
upSamping= imresize(image,1.5);%放大1.5倍
downSamping= imresize(image,0.5);%缩小到原来的0.5
% imshow(upSamping);
% imshow(downSamping);
%按指定大小缩放
s_fix_size=imresize(image,[100,100]);
figure
imshow(s_fix_size);
figure
imshow(image); %D. 旋转处理，指定旋转角度
%旋转后，空余部分的填充如何实现？
%imrotate(),绕中心旋转？还有绕指定顶点旋转？
rotate_30=imrotate(image,30,'bilinear','loose');
rotate_60=imrotate(image,60,'bilinear','crop');
figure
imshow(rotate_30);
figure
imshow(rotate_60);
%第一个参数指的是旋转实现的方法，有'nearest' 'bilinear' 'bicubic'，三种
%就是 最邻近插值法 双线性插值法 三次卷积插值法
%不同的插值方法得到的旋转图像有细微的差别，默认最近邻插值，图像有一定失真
%失真主要是因为matlab在计算每个点的新坐标的时候得到的数值不是整数，要去整所造成的
%第二个参数BBox分为crop和loose两种%E. 图像镜像处理,垂直镜像和水平镜像
%底层代码实现
[height,width,dim]=size(image);
tform_x=maketform('affine',[-1 0 0;0 1 0;width 0 1]);
mirror_x=imtransform(image,tform_x,'nearest');%mirror_x中存储的是经过水平镜像变换后的图像
figure
imshow(mirror_x); %水平镜像
tform_y=maketform('affine',[1 0 0;0 -1 0;0 height 1]);
mirror_y=imtransform(image,tform_y,'nearest');%C中存储的是经过竖直镜像变换后的图像
figure
imshow(mirror_y);%垂直镜像不过不要高兴的太早哦！接下来我们来谈一谈如何对刚刚处理过的图像做批量的保存。
经过第二步之后，代码量有点多了呢，我们来看看整体代码是怎样的呢？
p=genpath('F:\学术&工程\ObjectDetect\全景图像集');%获取指定文件夹下所有子文件的路径
%这些路径存在于字符串p中，以';'分割
length_p=size(p,2);%字符串p的长度
path={};%建立一个元胞数组，数组的每个单元中包含一个目录
temp=[];
for i=1:length_p %寻找分隔符';'，一旦找到，则将路径temp写入path数组中
if p(i)~=';'
temp=[temp p(i)];
else
temp=[temp '\'];%在路径的后面加上\
path=[path;temp];
temp=[];
end
end
clear p length_p temp
%至此，获得了指定文件夹及其所有子文件夹，接下来就是逐一文件夹读取图像，利用上面的path数组，将路径取出来
file_num=size(path,1);%获取子文件夹的个数
for i=1:file_num
file_path=path{i}; %获取每个文件夹路径
img_path_list=dir(strcat(file_path,'*.jpg')); %获取每个文件夹下的图像列表
img_num=length(img_path_list);%获取文件夹下图像的数量
if img_num > 0
for j=1:1%img_num %遍历全部照片时候取消这个注释，我这里为了代码测试，没有全部遍历
image_name=img_path_list(j).name;%获取图像名
image=imread(strcat(file_path,image_name));%读取文件夹下的每一帧图像
fprintf('%d %d %s\n',i,j,strcat(file_path,image_name));%显示正在读取的图像
%TODO
%图像处理过程
%A. 裁剪
image_crop_1=imcrop(image,[0,0,40,40]);
image_crop_2=imcrop(image,[80,80,100,100]);
image_crop_3=imcrop(image,[50,50,200,200]);
% figure
% imshow(image_crop_1);
% imshow(image_crop_2);
% imshow(image_crop_3);
%B. 加噪声
noise_1 = imnoise(image,'salt & pepper',0.1); %椒盐
noise_2 = imnoise(image,'gaussian',0,10) ;%gauss
% figure
% imshow(noise_1);
%C. 图像缩放
%按指定倍数缩放
upSamping= imresize(image,1.5);%放大1.5倍
downSamping= imresize(image,0.5);%缩小到原来的0.5
% imshow(upSamping);
% imshow(downSamping);
%按指定大小缩放
s_fix_size=imresize(image,[100,100]);
figure
imshow(s_fix_size);
figure
imshow(image);
%D. 旋转处理，指定旋转角度
%旋转后，空余部分的填充如何实现？
%imrotate(),绕中心旋转？还有绕指定顶点旋转？
rotate_30=imrotate(image,30,'bilinear','loose');
rotate_60=imrotate(image,60,'bilinear','crop');
figure
imshow(rotate_30);
figure
imshow(rotate_60);
%第一个参数指的是旋转实现的方法，有'nearest' 'bilinear' 'bicubic'，三种
%就是 最邻近插值法 双线性插值法 三次卷积插值法
%不同的插值方法得到的旋转图像有细微的差别，默认最近邻插值，图像有一定失真
%失真主要是因为matlab在计算每个点的新坐标的时候得到的数值不是整数，要去整所造成的
%第二个参数BBox分为crop和loose两种
%E. 图像镜像处理,垂直镜像和水平镜像
%底层代码实现
[height,width,dim]=size(image);
tform_x=maketform('affine',[-1 0 0;0 1 0;width 0 1]);
mirror_x=imtransform(image,tform_x,'nearest');%mirror_x中存储的是经过水平镜像变换后的图像
figure
imshow(mirror_x); %水平镜像
tform_y=maketform('affine',[1 0 0;0 -1 0;0 height 1]);
mirror_y=imtransform(image,tform_y,'nearest');%C中存储的是经过竖直镜像变换后的图像
figure
imshow(mirror_y);%垂直镜像
%%%*********************
% 做不同的处理，处理后的图像存入各自指定的文件夹，并且
%%%*********************
end
end
endstep3:批量保存我们刚刚处理过的图像，废话不多说，上代码：（针对不同的处理，文件保存到不同的文件夹下，
便于管理）
A：镜像图像保存
% 镜像图像保存
mirror_path='F:\学术&工程\ObjectDetect\数据处理演示\mirror_x\';
mirror_file=img_path_list(i).name;
mirror_pathfile=fullfile(mirror_path,mirror_file);
imwrite(mirror_x,mirror_pathfile,'jpg')B：加噪声C:D:E:等方式保存的方法是一样的，只不过需要指定不同的文件路径进行保存。
至此，在深度学习处理数据集的过程中，我们的数据增强工作样本扩充的工作就完成啦！！！！我们再来看看我们的代码吧~
p=genpath('F:\学术&工程\ObjectDetect\数据处理演示\全景图像集');%获取指定文件夹下所有子文件的路径
%这些路径存在于字符串p中，以';'分割
length_p=size(p,2);%字符串p的长度
path={};%建立一个元胞数组，数组的每个单元中包含一个目录
temp=[];
for i=1:length_p %寻找分隔符';'，一旦找到，则将路径temp写入path数组中
if p(i)~=';'
temp=[temp p(i)];
else
temp=[temp '\'];%在路径的后面加上\
path=[path;temp];
temp=[];
end
end
clear p length_p temp
%至此，获得了指定文件夹及其所有子文件夹，接下来就是逐一文件夹读取图像，利用上面的path数组，将路径取出来
file_num=size(path,1);%获取子文件夹的个数
for i=1:file_num
file_path=path{i}; %获取每个文件夹路径
img_path_list=dir(strcat(file_path,'*.jpg')); %获取每个文件夹下的图像列表
img_num=length(img_path_list);%获取文件夹下图像的数量
if img_num > 0
for j=1:1%img_num %遍历全部照片时候取消这个注释，我这里为了代码测试，没有全部遍历
image_name=img_path_list(j).name;%获取图像名
% 注意，这里的图像读取并不是按照图像的编号顺序读取
image=imread(strcat(file_path,image_name));%读取文件夹下的每一帧图像
fprintf('%d %d %s\n',i,j,strcat(file_path,image_name));%显示正在读取的图像
%TODO
%图像处理过程
%A. 裁剪
image_crop_1=imcrop(image,[0,0,40,40]);
image_crop_2=imcrop(image,[80,80,100,100]);
image_crop_3=imcrop(image,[50,50,200,200]);
% figure
% imshow(image_crop_1);
% imshow(image_crop_2);
% imshow(image_crop_3);
%B. 加噪声
noise_1 = imnoise(image,'salt & pepper',0.1); %椒盐
noise_2 = imnoise(image,'gaussian',0,10) ;%gauss
% figure
% imshow(noise_1);
%C. 图像缩放
%按指定倍数缩放
upSamping= imresize(image,1.5);%放大1.5倍
downSamping= imresize(image,0.5);%缩小到原来的0.5
% imshow(upSamping);
% imshow(downSamping);
%按指定大小缩放
s_fix_size=imresize(image,[100,100]);
figure
imshow(s_fix_size);
figure
imshow(image);
%D. 旋转处理，指定旋转角度
%旋转后，空余部分的填充如何实现？
%imrotate(),绕中心旋转？还有绕指定顶点旋转？
rotate_30=imrotate(image,30,'bilinear','loose');
rotate_60=imrotate(image,60,'bilinear','crop');
figure
imshow(rotate_30);
figure
imshow(rotate_60);
%第一个参数指的是旋转实现的方法，有'nearest' 'bilinear' 'bicubic'，三种
%就是 最邻近插值法 双线性插值法 三次卷积插值法
%不同的插值方法得到的旋转图像有细微的差别，默认最近邻插值，图像有一定失真
%失真主要是因为matlab在计算每个点的新坐标的时候得到的数值不是整数，要去整所造成的
%第二个参数BBox分为crop和loose两种
%E. 图像镜像处理,垂直镜像和水平镜像
%底层代码实现
[height,width,dim]=size(image);
tform_x=maketform('affine',[-1 0 0;0 1 0;width 0 1]);
mirror_x=imtransform(image,tform_x,'nearest');%mirror_x中存储的是经过水平镜像变换后的图像
figure
imshow(mirror_x); %水平镜像
tform_y=maketform('affine',[1 0 0;0 -1 0;0 height 1]);
mirror_y=imtransform(image,tform_y,'nearest');%C中存储的是经过竖直镜像变换后的图像
figure
imshow(mirror_y);%垂直镜像
% imwrite(mirror_x,['F:\学术&工程\ObjectDetect\数据处理演示\全景图像集\mirror_x\','r', num2str(i) '.jpg']);
% 这里的'r'会添加到文件名当中，文件名为ri.jpg
% 如果程序会遍历其子文件夹，那么文件就不要放在这里
%%%*********************
% 做不同的处理，处理后的图像存入各自指定的文件夹，并且
%%%*********************
% 镜像图像保存
mirror_path='F:\学术&工程\ObjectDetect\数据处理演示\mirror_x\';
mirror_file=img_path_list(i).name;
mirror_pathfile=fullfile(mirror_path,mirror_file);
imwrite(mirror_x,mirror_pathfile,'jpg');
end
end
end注意：上述代码会递归查找指定文件路径下的子文件夹的图片，如果不想递归查找，请用下面的代码框架，然后将图
像处理部分原封不动的粘贴进去就可以了。代码如下：
file_path='F:\学术&工程\ObjectDetect\全景图像集\'; %图像文件夹路径
img_path_list=dir(strcat(file_path,'*.jpg'));%获取该文件夹下所有jpg格式的图像,是一个结构体，有data,name等成员
%img_path_list只包含文件名，不包含具体路径
img_num=length(img_path_list);%获取图像的数量
if img_num >0 %文件夹下有图
for j=1:img_num %逐一读取图像
image_name=img_path_list(j).name;%图像名
image=imread(strcat(file_path,image_name));%拼接图像名
fprintf('%d %s\n',j,strcat(file_path,image_name));%显示正在处理的图像名
%TODO
%图像处理过程
end
end
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~··2018.2.1更新~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
最新想着还可以将图像转换到HSV空间，做下数据集的扩充，增强颜色纹理信息使之更明显，那么代码该如何实现呢？我们看看：
%从RGB空间到HSV空间转换,以及查看H,S,V分量的Matlab程序实现
a=imread('Lenna_std.png');
hv=rgb2hsv(a); scale=rand*(1.2-0.8)+0.8;%hsv三个分量随机变成原始值的0.8~1.2
hsv=rgb2hsv(image)*scale;
scale=sprintf('%d\n',scale);
disp(scale);
figure;
subplot(1,2,1);imshow(image);title('原始图像');
subplot(1,2,2);imshow(hsv);title('hsv空间图像');%可以通过下面的程序看一幅图的HSV三个通道 H=hv(:,:,1);S=hv(:,:,2);V=hv(:,:,3);figure;subplot(1,2,1);imshow(a);title('原始图像'); subplot(1,2,2);imshow(hv);title('HSV空间I图像');figure;subplot(1,3,1);imshow(H);title('HSV空间H分量图像');subplot(1,3,2);imshow(S);title('HSV空间S分量图像');subplot(1,3,3);imshow(V);title('HSV空间V分量图像') 上面的程序不仅仅将rgb转换到了hsv而且还将hsv各个通道中的值显示了出来。
完整的hsv变换及图像保存方法代码为：
file_path='F:\学术&工程\ObjectDetect\电力线图像集\原始图像\'; %图像文件夹路径
img_path_list=dir(strcat(file_path,'*.jpg'));%获取该文件夹下所有jpg格式的图像,是一个结构体，有data,name等成员
%img_path_list只包含文件名，不包含具体路径
img_num=length(img_path_list);%获取图像的数量
if img_num >0 %文件夹下有图
for j=1:img_num %逐一读取图像
image_name=img_path_list(j).name;%图像名
image=imread(strcat(file_path,image_name));%拼接图像名
fprintf('%d %s\n',j,strcat(file_path,image_name));%显示正在处理的图像名
%TODO
%图像处理过程
%rgb2hsv,并将hsv各个通道的值变为原来的0.8到1.2倍。
scale=rand*(1.2-0.8)+0.8;
hsv_image=rgb2hsv(image)*scale;
scale=sprintf('%d\n',scale);
disp(scale);
figure;
subplot(1,2,1);imshow(image);title('原始图像');
subplot(1,2,2);imshow(hsv_image);title('hsv空间图像');
%%保存
hsv_path='F:\学术&工程\ObjectDetect\电力线图像集\数据集扩充\hsv_image';
hsv_file=img_path_list(j).name;
hsv_pathfile=fullfile(hsv_path,hsv_file);
imwrite(hsv_image,hsv_pathfile,'jpg');
end
end
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
接下来开始几千几万张图像的标定工作了，想想就觉得小激动。。。。，下一篇文章更新标签软件的使用方法，
并说明如何用Python编程修改xml文件中指定属性的文本内容，敬请期待~~~