비 구조적 파일 형식의 데이터 전송 방법 - 더미

비 구조적 데이터 파일은 일련의 비트로 구성됩니다. 파일은 어떤 식 으로든 비트를 서로 구분하지 않습니다. 보지 않을 것이므로 단순히 파일을보고 구조를 볼 수는 없습니다. 구조화되지 않은 파일 형식은 데이터를 해석하는 방법을 알기 위해 파일 사용자에게 의존합니다. 예를 들어, 화상 파일의 각 화소는 3 개의 32 비트 필드로 구성 될 수있다. 각 필드가 32 비트임을 아는 것은 당신에게 달려 있습니다. 파일의 시작 부분에있는 헤더는 파일 해석에 대한 단서를 제공 할 수 있지만 파일과 상호 작용하는 방법은 사용자에게 달려 있습니다.

이 예에서는 그림을 구조화되지 않은 파일로 사용하는 방법을 보여줍니다. 예제 이미지는 공유지에서 제공하는 공개 도메인입니다. 위키. org. 이미지 작업을하려면 scikit 이미지 라이브러리에 액세스해야합니다.이 라이브러리는 이미지 처리에 사용되는 무료 알고리즘 모음입니다. 이 라이브러리에 대한 자습서가 있습니다.

첫 번째 작업은 다음 코드를 사용하여 이미지를 화면에 표시하는 것입니다. (이 코드는 약간의 시간이 걸릴 수 있습니다. IPython 노트북 탭에서 통화 중 표시기가 사라지면 이미지 준비가 완료됩니다.)

를 skimage에서. io는 skimage에서 imread

를 가져옵니다. transform import sizeize

matplotlib에서 가져 오기 pyplot을 plt

import matplotlib로 변환합니다. cm as cm

example_file = ("http: // 업로드.wikimedia.org /"+ 999 "wikipedia / commons / 7 / 7d / Dog_face.png")

image = imread (example_file, as_grey = 사실)

plt. imshow (이미지, cmap = cm. 회색)

plt. show ()

코드는 여러 라이브러리를 가져 오기 시작합니다. 그런 다음 예제 파일을 온라인으로 가리키는 문자열을 만들어

example_file

에 저장합니다. 이 문자열은 True 로 설정된 as_grey 와 함께 imread () 메서드 호출의 일부입니다. as_grey 인수는 파이썬에게 컬러 이미지를 그레이 스케일로 변환하도록 지시합니다. 이미 회색 음영으로 표시된 이미지는 그대로 유지됩니다. imshow () 함수는 렌더링을 수행하고 그레이 스케일 컬러 맵을 사용합니다.

는 이미지를로드 할 준비가되었습니다. > show () 함수는 실제로 이미지 를 표시합니다. 이미지를 렌더링하고 표시 한 후 화면에 표시됩니다. 이미지를 본 후 닫습니다. ([999] In [*]: 항목의 별표는 코드가 아직 실행 중이고 다음 단계로 넘어갈 수 없음을 나타냅니다.) 이미지를 닫으면 코드 세그먼트가 끝납니다. 이제 메모리에 이미지가 있고, 그것에 대해 더 많이 알고 싶을 수도 있습니다.다음 코드를 실행하면

print ("데이터 형식: % s, 모양: % s"%

(형식 (이미지), 이미지 모양)) 이 호출의 출력은 이미지 유형이 numpy임을 나타냅니다. ndarray

이며 이미지 크기는 90 x 90 픽셀입니다. 이미지는 실제로 다양한 방법으로 조작 할 수있는 픽셀 배열입니다. 예를 들어, 이미지를 자르려면 다음 코드를 사용하여 이미지 배열을 조작 할 수 있습니다.

image2 = image [5: 70, 0: 70]

plt. imshow (image2, cmap = cm. 회색) plt. show () 숫자가 적습니다.

image2

의 ndarray

는

image 의 것보다 작으므로 출력도 작습니다. 일반적인 결과는 아래와 같습니다. 이미지 자르기의 목적은 특정 크기로 만드는 것입니다. 두 이미지의 크기는 같아야 분석 할 수 있습니다. 자르기는 이미지가 분석에 적합한 크기인지 확인하는 한 가지 방법입니다. 이미지를 자르면 작아집니다. 이미지 크기를 변경하는 데 사용할 수있는 또 다른 방법은 크기를 조정하는 것입니다. 다음 코드는 분석을 위해 이미지를 특정 크기로 조정합니다. image3 = resize (image2, (30, 30), mode = "nearest") plt.

출력은 (이미지 3, cmap = cm. 회색)

print ("데이터 유형: % s, 모양: % s" print ()

함수는 이미지가 30 x 30 픽셀 크기임을 알려줍니다. 동일한 크기의 이미지와 비교할 수 있습니다.

모든 이미지를 올바른 크기로 만든 후에는 이미지를 병합해야합니다. 데이터 세트 행은 항상 두 개의 측정 기준이 아닌 단일 측정 기준입니다. 이미지는 현재 30x30 픽셀의 배열이므로 데이터 세트의 일부가 될 수 없습니다. 다음 코드는

image3

를 평평하게하여

image_row : image_row = image3에 저장된 900 개의 요소 배열로 만듭니다.

print ("데이터 유형: % s, 모양: % s"% (type (image_row), image_row. 모양)) 형식은 여전히 ​​ numpy입니다. ndarray . 이 배열을 데이터 세트에 추가 한 다음 분석을 위해 데이터 세트를 사용할 수 있습니다. 크기는 예상대로 900 요소입니다.