DDFF-12数据集处理

大家好，欢迎来到IT知识分享网。

学习DFV过程中，需要查看DDFF-12数据集。DFV使用的DDFF-12是自己处理过的，文件格式为H5，需要使用H5py库来处理该文件。

import h5py # 读取文件 ddffdataset = h5py.File('E:\dataset\my_ddff_trainVal.h5', 'r') # 显示数据集中的所有数据构成种类 print(ddffdataset.keys()) #可以得到如下 <KeysViewHDF5 ['AiF_train', 'AiF_val', 'disp_train', 'disp_val', 'stack_train', 'stack_val']>

由上可知，该划分数据集中包含三种数据，分别是全聚焦图像，验证集图像与训练集图像。

我们可以使用这些key值来得到对应的数据种类，并且使用索引值对其内容进行访问。

imgs= ddffdataset['stack_train'] disps= ddffdataset['disp_train'] lenimg = len(imgs)# 400 lendisp = len(disps) import np img = imgs[0] print(img.shape) # (10, 383, 552, 3) img = imgs[0][0] print(img.shape) # (383, 552, 3)

由论文可知，DDFF一共有12个场景，DFV选择了其中六个场景作为训练集与验证集。每个场景包含10张图片，因此一共有400张训练图片，200张验证集图片。一级索引可以拿出一个场景，二级索引可以拿出场景10张图片中的某一张。

我们可以使用Opencv 或者是matplotlib来查看这些图片，值得注意的是，opencv读取的是BGR图片，而Matplotlib读取的是RGB图片。

import cv2 cv2.imshow('img', img) cv2.waitKey()

 发现图片全白。原因在于h5文件的图片数据保存方式。图片数据是以0-255之间的数字来保存的，而不是0-1之间的数字。而opencv的imshow要求图片数据是范围在0-1之间的浮点数。

print(img) [[[193. 212. 210.] [176. 211. 204.] [184. 211. 206.] ... [204. 235. 234.] [204. 236. 235.] [206. 230. 230.]] [[215. 246. 238.] [210. 244. 234.] [208. 243. 234.] ... [221. 251. 248.] [222. 251. 248.] [220. 250. 245.]] [[209. 243. 233.] [207. 241. 230.] [204. 242. 231.] ... [216. 252. 246.] [222. 251. 246.] [217. 249. 245.]] ... [[ 75. 84. 87.] [ 57. 72. 65.] [ 60. 74. 70.] ... [135. 165. 169.] [134. 166. 171.] [119. 146. 149.]] [[ 73. 78. 82.] [ 56. 61. 63.] [ 54. 66. 65.] ... [121. 163. 164.] [126. 170. 167.] [116. 148. 147.]] [[ 93. 110. 112.] [ 75. 95. 99.] [ 81. 98. 100.] ... [146. 179. 181.] [148. 184. 184.] [137. 168. 166.]]]

因此我们把图片数据除以255，得到如下结果。

img = np.array(imgs[0][0]/255) cv2.imshow('img', img) cv2.waitKey()