从HDF5一维数组重构图像：Python数据处理与可视化指南

import h5py
import numpy as np

# 假设文件名为 'data/images.hdf5'
try:
    f = h5py.File('data/images.hdf5', 'r')
    print(f"文件中的顶级键: {list(f.keys())}")

    group = f['datasets']
    print(f"'datasets'组中的键: {list(group.keys())}")

    data_dataset = group['car'] # 这是一个数据集，而非组
    print(f"数据集'car'的形状: {data_dataset.shape}")
    print(f"数据集'car'中第一个元素的形状: {data_dataset[0].shape}")
    print(f"数据集'car'中第二个元素的形状: {data_dataset[1].shape}")
except FileNotFoundError:
    print("请确保'data/images.hdf5'文件存在。")
    # 创建一个模拟的HDF5文件用于演示
    with h5py.File('data/images.hdf5', 'w') as hf:
        ds_group = hf.create_group('datasets')
        # 模拟两个不同大小的扁平化图像
        img1_flat = np.random.randint(0, 256, (100 * 100 * 3,), dtype=np.uint8)
        img2_flat = np.random.randint(0, 256, (80 * 120 * 3,), dtype=np.uint8)
        # 使用可变长度数组存储
        dt = h5py.vlen_dtype(np.dtype('uint8'))
        car_ds = ds_group.create_dataset('car', (2,), dtype=dt)
        car_ds[0] = img1_flat
        car_ds[1] = img2_flat
        # 添加属性来存储图像尺寸 (模拟最佳实践)
        car_ds.attrs['img_shapes'] = [(100, 100, 3), (80, 120, 3)]
        print("\n模拟HDF5文件已创建，请重新运行代码。")
        f = h5py.File('data/images.hdf5', 'r')
        group = f['datasets']
        data_dataset = group['car']
        print(f"\n模拟数据集'car'的形状: {data_dataset.shape}")
        print(f"模拟数据集'car'中第一个元素的形状: {data_dataset[0].shape}")
        print(f"模拟数据集'car'中第二个元素的形状: {data_dataset[1].shape}")


# 示例输出可能为:
# 文件中的顶级键: ['datasets']
# 'datasets'组中的键: ['car']
# 数据集'car'的形状: (51,)
# 数据集'car'中第一个元素的形状: (383275,)
# 数据集'car'中第二个元素的形状: (257120,)

from PIL import Image

try:
    # 假设 data_dataset[0] 是一个扁平化的一维数组
    array_flat = data_dataset[0]
    # 错误尝试：直接从一维数组创建RGB图像
    img = Image.fromarray(array_flat.astype('uint8'), 'RGB')
    img.show()
except ValueError as e:
    print(f"\n尝试直接创建图像时发生错误: {e}")
    print("错误原因：Pillow无法从一维数组推断图像的原始二维/三维尺寸。")

with h5py.File('data/images.hdf5', 'r') as h5f:
    ds = h5f['datasets']['car']
    print(f"\n数据集'car'的属性:")
    if ds.attrs:
        for k in ds.attrs.keys():
            print(f"  {k} => {ds.attrs[k]}")
    else:
        print("  数据集'car'没有显式属性。")

import numpy as np
from PIL import Image

def reconstruct_and_save_image(flat_array, img_shape, output_path):
    """
    将扁平化的一维数组重构为图像并保存。

    Args:
        flat_array (np.ndarray): 扁平化的一维图像数据。
        img_shape (tuple): 图像的原始形状 (height, width, channels)。
        output_path (str): 保存图像的路径。
    """
    try:
        # 确保数据类型为uint8，这是图像处理的常见要求
        reshaped_array = flat_array.astype(np.uint8).reshape(img_shape)

        # 根据通道数判断图像模式
        if len(img_shape) == 2 or (len(img_shape) == 3 and img_shape[2] == 1):
            # 灰度图 (H, W) 或 (H, W, 1)
            img = Image.fromarray(reshaped_array.squeeze(), 'L')
        elif len(img_shape) == 3 and img_shape[2] == 3:
            # RGB图像 (H, W, 3)
            img = Image.fromarray(reshaped_array, 'RGB')
        elif len(img_shape) == 3 and img_shape[2] == 4:
            # RGBA图像 (H, W, 4)
            img = Image.fromarray(reshaped_array, 'RGBA')
        else:
            raise ValueError(f"不支持的图像形状或通道数: {img_shape}")

        img.save(output_path)
        print(f"图像已成功保存到: {output_path}")
        # img.show() # 如果需要，可以显示图像
    except Exception as e:
        print(f"重构或保存图像时发生错误: {e}")

# 示例：假设我们找到了图像尺寸信息
with h5py.File('data/images.hdf5', 'r') as h5f:
    ds = h5f['datasets']['car']

    # 尝试从属性中获取图像尺寸
    img_shapes_from_attrs = ds.attrs.get('img_shapes', None)

    if img_shapes_from_attrs:
        for i in range(len(ds)):
            flat_image_data = ds[i]
            # 获取当前图像的形状
            current_img_shape = img_shapes_from_attrs[i]
            print(f"\n正在处理第 {i} 张图像...")
            print(f"  扁平化数据长度: {len(flat_image_data)}")
            print(f"  预期原始形状: {current_img_shape}")

            # 验证扁平化数据长度与预期形状的乘积是否匹配
            if len(flat_image_data) == np.prod(current_img_shape):
                output_filename = f"reconstructed_car_{i}.png"
                reconstruct_and_save_image(flat_image_data, current_img_shape, output_filename)
            else:
                print(f"  警告: 第 {i} 张图像的扁平化数据长度 ({len(flat_image_data)}) 与预期形状乘积 ({np.prod(current_img_shape)}) 不匹配。跳过。")
    else:
        print("\n未在数据集属性中找到图像尺寸信息，无法重构图像。")
        print("请尝试使用HDFView手动检查文件或查找其他元数据。")