HDF5文件中的一维图像数组重构：数据读取、维度恢复与可视化教程

import h5py
import numpy as np
from PIL import Image

# 假设HDF5文件名为 'data/images.hdf5'
file_path = 'data/images.hdf5'

with h5py.File(file_path, 'r') as f:
    print(f"文件顶层键: {list(f.keys())}")
    # 示例输出: 文件顶层键: ['datasets']

    # 访问一个组
    if 'datasets' in f:
        group = f['datasets']
        print(f"组 'datasets' 中的键: {list(group.keys())}")
        # 示例输出: 组 'datasets' 中的键: ['car']

        # 访问数据集
        if 'car' in group:
            data_dataset = group['car'] # 这是一个数据集对象
            print(f"数据集 'car' 的类型: {type(data_dataset)}")
            # 示例输出: 数据集 'car' 的类型: <class 'h5py._hl.dataset.Dataset'>

            # 检查数据集的整体形状和其中元素的形状
            # data_dataset.shape 表示数据集包含多少个“行”或主维度
            # data_dataset[0].shape 表示第一个图像（行）的形状
            print(f"数据集 'car' 的形状: {data_dataset.shape}")
            print(f"第一个元素的形状: {data_dataset[0].shape}")
            print(f"第二个元素的形状: {data_dataset[1].shape}")
            # 示例输出:
            # 数据集 'car' 的形状: (51,)
            # 第一个元素的形状: (383275,)
            # 第二个元素的形状: (257120,)

# 尝试直接转换，会失败
# array_flat = data_dataset[0]
# try:
#     # 假设是RGB图像，但没有高宽信息
#     img = Image.fromarray(array_flat.astype('uint8'), 'RGB')
#     img.save("temp_image.jpg")
#     # img.show()
# except ValueError as e:
#     print(f"转换失败: {e}")
# 示例输出: 转换失败: not enough image data

with h5py.File(file_path, 'r') as h5f:
    ds = h5f['datasets']['car']
    print(f"数据集 'car' 的属性