HDF5文件中一维数组图像的读取与可视化：从诊断到重建

import h5py
import numpy as np

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

# 打开HDF5文件
with h5py.File(file_path, 'r') as f:
    print(f"文件中的顶级键: {list(f.keys())}")

    # 假设图像数据存储在 'datasets' 组下
    if 'datasets' in f:
        group = f['datasets']
        print(f"'datasets' 组中的键: {list(group.keys())}")

        # 假设图像数据集名为 'car'
        if 'car' in group:
            data_dataset = group['car'] # 这是一个HDF5数据集对象
            print(f"数据集 'car' 的形状: {data_dataset.shape}")
            print(f"数据集 'car' 中第一行数据的形状: {data_dataset[0].shape}")
            print(f"数据集 'car' 中第二行数据的形状: {data_dataset[1].shape}")
        else:
            print("未找到 'car' 数据集。")
    else:
        print("未找到 'datasets' 组。")

import h5py

file_path = 'data/images.hdf5'

with h5py.File(file_path, 'r') as h5f:
    try:
        ds = h5f['datasets']['car'] # 获取 'car' 数据集对象
        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。")
    except KeyError:
        print(f"数据集 'datasets/car' 不存在。")

数据集 '/datasets/car' 的属性:
  height => 256
  width => 256
  channels => 3

数据集 '/datasets/car' 的属性:
  image_shape => [256, 256, 3]

import h5py

file_path = 'data/images.hdf5'

with h5py.File(file_path, 'r') as h5f:
    if 'image_shapes' in h5f: # 检查是否存在名为 'image_shapes' 的数据集
        shapes_dataset = h5f['image_shapes']
        print(f"发现 'image_shapes' 数据集，其内容（前5个）: {shapes_dataset[:5]}")
        # 你可能需要根据索引来匹配图像和其形状
    else:
        print("未发现名为 'image_shapes' 的独立数据集。")

import h5py
import numpy as np
from PIL import Image

file_path = 'data/images.hdf5'

# 假设我们已经通过上述方法获取了图像的尺寸信息
# 这里以一个示例尺寸为例，实际应用中需动态获取
IMAGE_HEIGHT = 256
IMAGE_WIDTH = 256
IMAGE_CHANNELS = 3 # 3 for RGB, 1 for Grayscale

with h5py.File(file_path, 'r') as h5f:
    try:
        data_dataset = h5f['datasets']['car']

        # 遍历数据集中的每一张图像
        for i in range(data_dataset.shape[0]):
            # 获取第 i 张图像的1D数组
            flattened_array = data_dataset[i]

            # 确保数据类型为 uint8，这是图像处理的常见要求
            # HDF5中存储的可能是其他类型，需要转换
            if flattened_array.dtype != np.uint8:
                flattened_array = flattened_array.astype(np.uint8)

            # 根据已知的尺寸信息重塑数组
            # 如果是灰度图，则为 (IMAGE_HEIGHT, IMAGE_WIDTH)
            # 如果是彩色图，则为 (IMAGE_HEIGHT, IMAGE_WIDTH, IMAGE_CHANNELS)
            if IMAGE_CHANNELS == 1:
                image_array = flattened_array.reshape((IMAGE_HEIGHT, IMAGE_WIDTH))
                mode = 'L' # 'L' for grayscale
            elif IMAGE_CHANNELS == 3:
                image_array = flattened_array.reshape((IMAGE_HEIGHT, IMAGE_WIDTH, IMAGE_CHANNELS))
                mode = 'RGB' # 'RGB' for color
            else:
                print(f"不支持的通道数: {IMAGE_CHANNELS}")
                continue

            # 使用PIL从NumPy数组创建图像对象
            img = Image.fromarray(image_array, mode=mode)

            # 保存图像
            output_filename = f"car_image_{i:02d}.jpg"
            img.save(output_filename, "JPEG")
            print(f"已保存图像: {output_filename}")

            # 显示图像 (可选)
            # img.show()
            # 注意: img.show() 会打开一个外部查看器，循环中可能会打开多个窗口
            # 如果要避免，可以注释掉或只显示第一张
            if i == 0: # 仅显示第一张图像
                 print("正在显示第一张图像...")
                 img.show()

    except KeyError:
        print(f"数据集 'datasets/car' 不存在或文件路径错误。")
    except Exception as e:
        print(f"处理图像时发生错误: {e}")