最近在写深度学习算法方案的时候，需要在方案书附录中对imagenet数据集可视化，但imagenet数据集中的图像大小并不完全相同，经过一番努力，显示效果才达到导师的要求，故这里把我实现过程中的小问题记录下来，方便以后参考。
在写机器学习方面的paper时，通常需要可视化数据集。比如人脸数据集，通常每一个子文件夹下包含了一类人脸图像（这些人脸图像的大小可以各不相同、文件的命名可以没有任何规律），可视化图像的行数表示人脸图像的类别数，列数表示每一类人脸图像个数。可能大家首先想到的是matlab中的subplot函数，该函数虽然能够将多幅图像显示成M×N的格式，但相邻图像之间的间隔比较大，不符合论文的一般要求。为了解决这个问题，我写了下面的一段matlab函数，其基本思想是先定义待显示图像的属性，比如单幅图像尺寸归一化后的大小、图像的行数和列数、相邻图像的间隔，然后获取当前路径下的所有子文件夹名称，最后依次读取各个子文件夹下的图像，尺寸归一化后填充到初始化矩阵中。整个程序如下，
clc,clear;
%图像参数设置
height_per_img = 100; width_per_img = 100;
img_num_y = 8; img_num_x = 10;
distance = 5;
%参数设置完成
final_img = zeros(height_per_img*img_num_y+distance*(img_num_y-1), width_per_img*img_num_x+distance*(img_num_x-1), 3);
final_img = uint8(final_img);
p = genpath('C:\Users\HP\Desktop\图像重组');% 获得文件夹data下所有子文件的路径，这些路径存在字符串p中，以';'分割
length_p = size(p,2);%字符串p的长度
path = {};%建立一个单元数组，数组的每个单元中包含一个目录
temp = [];
for i = 1:length_p %寻找分割符';'，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 '\']; %在路径的最后加入 '\'
path = [path ; temp];
temp = [];
end
end
%至此获得data文件夹及其所有子文件夹（及子文件夹的子文件夹）的路径，存于数组path中。
%下面是逐一文件夹中读取图像
file_num = size(path,1);% 子文件夹的个数
for i = 1:file_num
file_path = path{i}; % 图像文件夹路径
img_path_list = dir(strcat(file_path,'*.jpg'));
img_num = length(img_path_list); %该文件夹中图像数量
if img_num > 0
for j = 1:img_num
image_name = img_path_list(j).name;% 图像名
image = imread(strcat(file_path,image_name)); %image是要处理的图像
fprintf('%d %d %s\n',i,j,strcat(file_path,image_name));% 显示正在处理的路径和图像名
image=imresize(image,[height_per_img, width_per_img]);%将图像放缩到[100,100]
line_index =ceil(j/img_num_x); %求解行号
column_index = mod(j, img_num_x); %求解列号
if(column_index==0) column_index=img_num_x; end %最后一列的情况特殊处理
final_img( (line_index-1)*(height_per_img+distance)+1 : (line_index-1)*(height_per_img+distance)+height_per_img, ...
(column_index-1)*(width_per_img+distance)+1 : (column_index-1)*(width_per_img+distance)+width_per_img, :)=image;
end
end
end
imshow(final_img, [0, 255])经验小结
（1）matlab中定义的矩阵是动态矩阵，就是说在初始化矩阵的大小后，后面赋值的时候索引“越界”也是可以的，此时相当于对矩阵的大小进行了延拓，这一点和c语言是不同的！比如下面的例子，
a=[1, 2; 3, 4]
a =
1 2
3 4
a(3, :)=[5, 6]
a =
1 2
3 4
5 6
（2）matlab显示图像的方法有多种，但在一些对图像分辨率要求比较高的场合，比如写的paper中，我们需要注意了。下面我们对比了三种图像显示的方法的效果，（a）先imshow然后copy figure；（b）先imshow然后另存为tif格式的文件；（c）直接将matlab矩阵写入到tif格式的文件中（使用imwrite函数）。因为csdn不支持tif无损格式图像文件的上传，但我观察到它们的图像大小分别为627KB、0.99MB、2.27MB，显然（c）方法的显示效果最好。最后，这里贴一张imagenet部分图像的可视化效果。
