HDF5中一维数组图像数据的读取与可视化教程

import h5py
import numpy as np

# 打开HDF5文件
f = h5py.File('data/images.hdf5', 'r')

# 查看文件根目录下的所有键
print(f"文件根目录下的键: {list(f.keys())}") # 输出示例: ['datasets']

# 访问 'datasets' 组
group = f['datasets']
print(f"'datasets' 组下的键: {list(group.keys())}") # 输出示例: ['car']

# 访问 'car' 数据集
data_dataset = group['car'] # 或者 f['datasets']['car']
print(f"'car' 数据集的形状: {data_dataset.shape}") # 输出示例: (51,)
print(f"数据集第0行数据的形状: {data_dataset[0].shape}") # 输出示例: (383275,)
print(f"数据集第1行数据的形状: {data_dataset[1].shape}") # 输出示例: (257120,)

from PIL import Image

try:
    # 假设 data_dataset[0] 是一个扁平化的一维数组
    array_1d = data_dataset[0]
    # 尝试直接从一维数组创建RGB图像，PIL会因为缺少维度信息而报错
    img = Image.fromarray(array_1d.astype('uint8'), 'RGB')
    img.show()
except ValueError as e:
    print(f"创建图像失败: {e}")

with h5py.File('data/images.hdf5', 'r') as h5f:
    ds = h5f['datasets']['car']
    print(f"数据集 '{ds.name}' 的属性:")
    if ds.attrs:
        for k in ds.attrs.keys():
            print(f"  {k} => {ds.attrs[k]}")
    else:
        print("  该数据集没有发现任何属性。")

from PIL import Image
import numpy as np
import h5py

# 假设通过检查属性或其他方式，我们确定了原始图像的维度
# 注意：在实际应用中，这些维度应该根据每张图片动态获取
# 这里为了演示，我们假设所有图片都是 256x256x3 (RGB)
# 或者，如果维度存储在属性中，你可以这样获取：
# original_height = ds.attrs.get('height', None)
# original_width = ds.attrs.get('width', None)
# original_channels = ds.attrs.get('channels', 3) # 默认为3通道RGB

# 示例：假设我们获取到第0张图片的维度
# 实际场景中，你需要遍历所有图片，并获取各自的维度
example_image_index = 0
original_height = 256 # 假设的高度
original_width = 256  # 假设的宽度
original_channels = 3 # 假设的通道数 (RGB)

with h5py.File('data/images.hdf5', 'r') as h5f:
    ds = h5f['datasets']['car']

    # 验证获取的维度是否与一维数组长度匹配
    expected_length = original_height * original_width * original_channels
    actual_length = ds[example_image_index].shape[0]

    if expected_length != actual_length:
        print(f"警告: 索引 {example_image_index} 的图像维度假设 ({original_height}x{original_width}x{original_channels}) 与实际数据长度 ({actual_length}) 不匹配。")
        print("请重新确认图像维度信息。无法进行重构。")
    else:
        # 获取扁平化的一维图像数据
        array_1d = ds[example_image_index]

        # 将一维数组重塑为原始图像的形状
        # 注意：如果图像是灰度图，channels应为1，重塑为 (H, W)
        # 如果是彩色图，重塑为 (H, W, C)
        try:
            if original_channels == 1:
                # 灰度图
                image_array_2d = array_1d.reshape((original_height, original_width))
                mode = 'L' # PIL模式：L表示灰度
            else:
                # 彩色图
                image_array_2d = array_1d.reshape((original_height, original_width, original_channels))
                mode = 'RGB' # PIL模式：RGB表示彩色

            # 将Numpy数组转换为PIL图像对象
            img = Image.fromarray(image_array_2d.astype('uint8'), mode)

            # 显示图像
            img.show(title=f"Reconstructed Image {example_image_index}")

            # 保存图像
            output_filename = f"reconstructed_image_{example_image_index}.jpg"
            img.save(output_filename, "JPEG")
            print(f"图像已成功重构并保存为 '{output_filename}'。")

        except ValueError as e:
            print(f"重塑数组失败，请检查维度: {e}")