MATLAB实现mat文件批处理转化为png格式(全网仅有!)

MATLAB实现mat文件批处理转化为png格式(全网仅有!)

由于部分算法(如边缘检测算法),跑出来的结果图是带有白色边框的,如下图:(跑过程序,做过算法的人都知道)
MATLAB实现mat文件批处理转化为png格式(全网仅有!)_第1张图片
那么这为后续处理提供了极大的不便,因为空白的地方就等于加入了没必要且不感兴趣的像素值,所以有一个方法就是直接提取结果变量,例如.mat,即直接用一个function转化为png或jpg格式,如下图。
MATLAB实现mat文件批处理转化为png格式(全网仅有!)_第2张图片
因为是自己写的代码,所以只提供下载链接~

下面是跑出来的mat格式的文件:
MATLAB实现mat文件批处理转化为png格式(全网仅有!)_第3张图片
这是转化之后的图像:
MATLAB实现mat文件批处理转化为png格式(全网仅有!)_第4张图片
**ps:**python转化的方法我也试过,但是受python版本的影响很大,如果你与博主分享的代码运行的python版本不一,就会报错,如KeyError: ‘data’,
MATLAB实现mat文件批处理转化为png格式(全网仅有!)_第5张图片
百度找了资料,加上b,还是
MATLAB实现mat文件批处理转化为png格式(全网仅有!)_第6张图片
无法~
python代码给出:

import cv2
import scipy.io as scio
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import os

# 数据矩阵转图片的函数
def MatrixToImage(data):
    new_im = Image.fromarray(data,mode='RGB')
    return new_im

folder = r'C:\Users\lyd\Desktop\23'
path = os.listdir(folder)
for each_mat in path:
        first_name, second_name = os.path.splitext(each_mat)
        # 拆分.mat文件的前后缀名字,注意是**路径**
        #yong yu fen ge wen jian min yu kuo zhan min
        each_mat = os.path.join(folder, each_mat)
        # print(each_mat)
        array_struct = scio.loadmat(each_mat)
        fea_spa=array_struct['data']
        fea_tmp=array_struct[b'fea_tmp']
        for i  in range(1,len(fea_spa)):
             fea_spa_1=np.reshape(fea_spa[i],(32,32))
             print('i=',i)
             fea_spa_image = MatrixToImage(fea_spa_1)# 调用函数
             path='/home/kls/Desktop/data/fea_spa/'+first_name+'/'
             if os.path.exists(path) is False:
                 os.makedirs(path)
             fea_spa_image.save(path+str(i)+'.jpg')# 保存图片
             
             fea_tmp_1=np.reshape(fea_tmp[i],(32,32))
             print('i1=',i)
             fea_tmp_image = MatrixToImage(fea_tmp_1)# 调用函数
             path='/home/kls/Desktop/data/fea_tmp/'+first_name+'/'
             if os.path.exists(path) is False:
                 os.makedirs(path)
             fea_tmp_image.save(path+str(i)+'.jpg')# 保存图片

还有什么方法可以直接保存没有白边的图像呢?

你可能感兴趣的:(数据处理,matlab,人工智能,机器学习,python)