深度学习----【3】MNIST手写数字数据库保存为bmp图片

一、MATLAB程序

参考网址：http://blog.youkuaiyun.com/destiny0321/article/details/49025163

手写数字库很容易建立，但是总会很浪费时间。Google实验室的Corinna Cortes和纽约大学柯朗研究所的Yann LeCun建有一个手写数字数据库，训练库有60,000张手写数字图像，测试库有10,000张。源图像数据可访问原站 http://yann.lecun.com/exdb/mnist/进行下载，或到 http://download.youkuaiyun.com/detail/destiny0321/9167873进行下载，该数据库的一个文件中包含了所有的图像，使用起来很不方便。笔者在MATLAB平台上将该数据包保存为一张一张的带有标识的.bmp图片文件，以供今后研究使用。

• 首先讲解一下train-images.idx3-ubyte这个数据库个存储格式：

训练集图像格式（train-images.idx3-ubyte） 
offset——–type————–value———- description 
0000 —32 bit integer——0x00000803—–magic number 
0004—32 bit integer——–60000——number of images 
0008—32 bit integer———-28———–number of rows 
0012—32 bit integer———-28——–number of columns 
0016—unsigned byte ——–??——————pixel 
0017—unsigned byte ——–??——————pixel 
…….. 
xxxx—unsigned byte———??——————pixel

可见，前32bit*4对数据库进行了整体描述，之后是大小为8bit的像素值，也就是我们所需要的数据。

• 其次讲解一下train-labels.idx1-ubyte这个数据库个存储格式：

训练集标签格式（train-labels.idx1-ubyte） 
offset——–type—————-value———- description 
0000 —32 bit integer——0x00000803—–magic number 
0004—32 bit integer——–60000——number of images 
0008—unsigned byte ———??——————number 
0009—unsigned byte ———??——————number 
…….. 
xxxx—unsigned byte———-??——————number

可见，前32bit*2对数据库进行了整体描述，之后是大小为8bit的范围从0到9的数字标签，依次对应于train-images.idx3-ubyte中每幅图像所表示的数字。

对这两个文件有了清楚的认识之后，就很容易对其进行操作，获取我们想得到的*.bmp图像数据了。这是程序运行后的截图： 

1. 源程序如下：

fid_image=fopen('train-images.idx3-ubyte','r');
fid_label=fopen('train-labels.idx1-ubyte','r');
% Read the first 16 Bytes
magicnumber=fread(fid_image,4);
size=fread(fid_image,4);
row=fread(fid_image,4);
col=fread(fid_image,4);
% Read the first 8 Bytes
extra=fread(fid_label,8);
% Read labels related to images
imageIndex=fread(fid_label);
Num=length(imageIndex);
% Count repeat times of 0 to 9
cnt=zeros(1,10);
for k=1:Num
    image=fread(fid_image,[max(row),max(col)]);     % Get image data
    val=imageIndex(k);      % Get value of image
    for i=0:9
        if val==i
            cnt(val+1)=cnt(val+1)+1;
        end
    end
    if cnt(val+1)<10
        str=[num2str(val),'_000',num2str(cnt(val+1)),'.bmp'];
    elseif cnt(val+1)<100
        str=[num2str(val),'_00',num2str(cnt(val+1)),'.bmp'];
    elseif cnt(val+1)<1000
        str=[num2str(val),'_0',num2str(cnt(val+1)),'.bmp'];
    else
        str=[num2str(val),'_',num2str(cnt(val+1)),'.bmp'];
    end
    imwrite(image',str);
end
fclose(fid_image);
fclos

二、python程序

参考文章：http://blog.youkuaiyun.com/u010194274/article/details/50817999

操作之前先将train-images-idx3-ubyte拷贝到当前python代码目录，并且在当前目录下新建文件夹train，安装numpy和matplotlib

(apt-get搞定：

sudo apt-get install python-numpy

sudo apt-get install python-matplotlib)

import struct
import numpy as np
import  matplotlib.pyplot as plt
import Image

filename='./train-images-idx3-ubyte'
binfile=open(filename,'rb')
buf=binfile.read()
index=0
magic,numImages,numRows,numColumns=struct.unpack_from('>IIII',buf,index)
index+=struct.calcsize('>IIII')

for image in range(0,numImages):
    im=struct.unpack_from('>784B',buf,index)
    index+=struct.calcsize('>784B')

    im=np.array(im,dtype='uint8')
    im=im.reshape(28,28)

    im=Image.fromarray(im)
    im.save('train/train_%s.bmp'%image,'bmp')

亲测以上两个代码都能成功运行并保存bmp