我们知道在训练图像模型时，需要从文件夹里读取图片。
这里演示下，怎样从文件夹里批量读取图片，并处理成我们想要的
x,y 即特征和标签。
输入维度理解
以卷积神经网络为例子。
我们知道卷积神经网络conv2d输入数据的形状为(batch_size，height，width，depth)，其中第一维表示图像的batch大小,我们常设定为None，其他三个维表示图像的各个属性，即高度，宽度和深度。深度就是色彩通道的数量。例如，RGB图像的深度为3，而灰度图像的深度为1。
通俗理解。一张图片。我们输入的格式为（高，宽，通道）
即我们需要把图片处理成相同的高宽。
以下面这个文件夹为例，图片大小不一样，有的12kB,有的不是，高宽肯定不一样。
#python+opencv读取文件图片并处理
import os
import numpy as np
import cv2
cat=[]#用于存储x。
def ReFileName(dirPath):
"""
:param dirPath: 文件夹路径
:return:
"""
# 对目录下的文件进行遍历
for file in os.listdir(dirPath):
# 判断是否是文件
if os.path.isfile(os.path.join(dirPath, file)) == True:
c= os.path.basename(file)
name = dirPath + '\\' + c
img = cv2.imread(name)
img=cv2.resize(img,(100,100))#使尺寸大小一样
cat.append(img)
dirPath = r"C:\Users\Shineion\Desktop\cat"#文件路径
ReFileName(dirPath)#调用函数
cat=np.array(cat)#数据
print('输入x.shape',cat.shape)
biaoqian=[1 for i in range(len(cat))]#标签处理
biaoqian=np.array(biaoqian)#标签
print('输入y.shape',biaoqian.shape)
得到的是我们想要的x,y格式
.说明
注意：cv2.imread(name) 读取的图片绝对路径name ，不能含有中文。中文报错。
1.代码里只读取啦一种类别的图片：猫,并将猫的标签设置为数字1。
一般我们会将不同类别的图片放在不同文件夹。读取另外类型图片就是重复上述步骤，并修改标签数字。
2.如果是多种类型图片放在同一个文件夹里，可以根据文件名来来选择图片，并存储到不同数组（如代码中的cat）。选择文件名一般是根据正则。
正则链接：
python :re模块基本用法
可能有帮助的链接：
python 批量修改图片名（也可以用来批量修改文件名）
3.代码里只读取图片，并未对图片进行任何处理。如识别猫狗，肯定要消除背景 和颜色影响的。opencv里有很多方法，参考python3+opencv学习笔记汇总目录（适合基础入门学习）。
处理代码直接加在 img=cv2.resize(img,(100,100))#使尺寸大小一样 后面就可以。
不同任务处理方法不一样。
4.其他类型的输入数据格式。不一定都是(batch_size，height，width，depth)。
如一维输入
自己最后改变数据维度就可以。
电气专业的计算机小白，写博文不容易。如果你觉得本文对你有用，请点个赞支持下。谢谢。