将FER数据集处理成灰度图片数据-Python代码

因为对Python的一些操作不是很熟悉，最近又想自己搭建一个FER（Facial Expression Recognition）系统，所以今天稍微花了点时间看了一下Python对于csv文件以及对于Image的IO操作，简单处理了一下FER2013数据集。

这个数据集的数据是存放到csv文件中的，因此需要使用到基本的csv操作。FER数据集比较好找，就不在这贴它的链接了。

下面直接放了代码，对基本流程进行了注释。记录下学习过程。后面也会将自己学习过程中搭建的FER网络模型分享出来。

# _*_coding:utf-8_*_
import os
import csv
import pickle
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt


# 获取项目根路径
current_path = os.path.abspath(os.path.dirname(__file__))
root_path = os.path.dirname(current_path)


# 进行FER数据集的预处理，还原成图片
class FERDataProcess(object):
    def __init__(self):
        self.data_dir = os.path.join(root_path, data)
        self.data_source = os.path.join(self.data_dir, fer2013.csv)  # 数据源文件
        self.data_image_dir = os.path.join(self.data_dir, fer_images)  # 存储图片数据的文件夹
        self.train_data_path = os.path.join(self.data_image_dir, train)
        self.test_data_path = os.path.join(self.data_image_dir, test)
        self.validate_data_path = os.path.join(self.data_image_dir, validation)
        self.pickle_data_path = os.path.join(self.data_dir, pickle)  # pickle数据文件夹

    def process_to_image(self):
        """
        将csv文件按照标签以及用途还原成图片文件
        :return: None
        """
        # 创建文件夹
        if not os.path.exists(self.train_data_path): os.makedirs(self.train_data_path)
        if not os.path.exists(self.test_data_path): os.makedirs(self.test_data_path)
        if not os.path.exists(self.validate_data_path): os.makedirs(self.validate_data_path)
        # 读取csv文件
        if not os.path.exists(self.data_source):
            raise FileNotFoundError(File: {} not exist!.format(self.data_source))
        with open(self.data_source) as f:
            data_csv = csv.reader(f)
            next(data_csv)  # 忽略第一行
            index = 1
            for (label, pixels, usage) in data_csv:
                # 区分文件夹
                if usage == Training:
                    label_path = os.path.join(self.train_data_path, label)
                    if not os.path.exists(label_path): os.makedirs(label_path)
                elif usage == PublicTest:
                    label_path = os.path.join(self.validate_data_path, label)
                    if not os.path.exists(label_path): os.makedirs(label_path)
                elif usage == PrivateTest:
                    label_path = os.path.join(self.test_data_path, label)
                    if not os.path.exists(label_path): os.makedirs(label_path)
                # 构建图片像素点
                reshape_pixels = np.asarray([float(p) for p in pixels.split()]).reshape(48, 48)
                img = Image.fromarray(reshape_pixels).convert(L)
                image_name = os.path.join(label_path, {}.jpg.format(index))
                print(image_name)
                img.save(image_name)
                index += 1

使用这段代码时，实例化 FERDataProcess类对象，调用对象的process_to_image方法即可。

这段代码了并没有统计训练、测试、验证数据集具体有多少记录，代码比较简单，有需要的小伙伴可以自己加上。