从文件夹中随机读取一张图片(文件)并显示(打印)

最新推荐文章于 2024-12-31 17:29:59 发布
最新推荐文章于 2024-12-31 17:29:59 发布
阅读量2.5k 收藏 6
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 常用代码段 文章标签： 随机读取文件夹中的文件
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_42535742/article/details/93848074
本文介绍了一个Python脚本，用于从指定文件夹中随机读取一张图片并显示。通过修改文件路径，可以轻松应用于不同场景。代码利用OpenCV库进行图片读取和展示。

记录一下常使用的代码段.这个是用于从文件夹中随机读取一张图片或者一个文件.
使用时只需要更改get_picture_dir("/home/wsb/桌面/test") 中的地址.读取文件时将图片读取和显示的代码注释掉.

import cv2
import os
from random import randint
def get_picture_dir(file_dir):
    filelist = os.listdir(file_dir) #获取文件路径
    total_num=len(filelist)
    idx = randint(0,total_num)
    image_path=filelist[idx]
    picture_path = os.path.join(os.path.abspath(file_dir), image_path)
    img=cv2.imread(picture_path)
    cv2.imshow("img",img)
    cv2.waitKey(0)
get_picture_dir("/home/wsb/桌面/test")
python打开本地文件夹，随机挑选一张图片显示
weixin_43873671的博客
01-30 5479
代码(显示图片和图片转化后的ndarray 数组。) #coding=utf-8 import tensorflow as tf from PIL import Image import matplotlib.pyplot as plt import numpy as np import os train = 'D:/猫狗识别/testImg/' #从指定目录中选取一张图片 def get_one_image(train): #image_array = get
python读取txt文档、用户输入用户名、如有则输入密码,python作业/练习/实战：2、注册、登录（文件读写操作）...
weixin_42349769的博客
03-26 2701
作业要求1、实现注册功能输入：username、passowrd，cpassowrd最多可以输错3次3个都不能为空用户名长度最少6位， 最长20位，用户名不能重复密码长度最少8位，最长15位两次输入的密码要一致注册成功之后，要写到文件里面2、登陆功能实现最多可以输错3次用户名和密码去文件里面取提示列表list、文件的打开/读/写/关闭、判断、循环相关教程代码范例user.txt文件内容格式如下：w...
随机获取文件夹下图片
hello_sgw的博客
09-06 3652
<?php $img_array = glob("imgs/*.{gif,jpg,png}",GLOB_BRACE); $img = array_rand($img_array); echo '<img alt="'.$img_array[$img].'" src="'.$img_array[$img].'" />'; ?>图片放置于 imgs/ 文件夹下, 这段代...
写个Python随机获取图片
weixin_42577735的博客
02-10 1096
可以使用Python的内置库"random"来随机获取图片，下面是一个简单的代码示例： import random # 假设你有一个图片文件夹，里面有多个图片文件 images = ['image1.jpg', 'image2.jpg', 'image3.jpg', 'image4.jpg', 'image5.jpg'] # 使用random.choice从列表中随机选择一张图片 select...
随机取路径下一张图片
weixin_42076509的博客
05-29 297
image_dir='E:\machineLearning' i=cv2.imread(r'{}'.format(random.choice(image_dir)))
JS随机显示一张图片
weixin_33698043的博客
06-08 1663
var images=['p1.jpg','p2.jpg','p3.jpg']; var url=images[Math.floor(Math.random()*images.length)]; console.log(url);
Linux文件操作：文件描述符fd
weixin_72917087的博客
08-23 1267
​ 现在我们对进程的总体概念也有了了解，下面我们进入新的模块学习。关于Linux如何操作文件。其关的操作也与进程有关。
我需要传入图片的文件夹，请给出修改之后的完整代码
03-08
用户可能希望代码能够自动读取指定文件夹中的所有图片，处理每一张，并将结果保存到另一个文件夹中。需要确保输入输出路径正确，并且处理过程中不会因为某张图片出错而中断整个流程。 接下来，考虑代码的健壮性。...
从文件夹中筛选出符合一下场景的图片： 1、找20~30个clip场景： （1）只需要这个clip里面的一个针孔相机，CAM_FRONT_WIDE_ANGLE、CAM_FRONT_NARROW_ANGLE这个相机不要 （2）这个相机展示的场景里至少包含以下目标中的两个：车、人、电动车、消防栓、柱子、短桩 （3）这个相机展示的场景里不能有太多的车，比如停在车位里的车 （4）选择间隔3s，生成py脚本
最新发布
07-17
- 在每个clip文件夹中，进入CAM_FRONT文件夹（针孔相机），读取所有图片文件（假设图片格式为jpg或png）和对应的标注文件（假设每个图片有一个同名的json文件）。 - 将图片按照时间戳排序（时间戳可以从文件名获取...
import cv2 import os import time import shutil import threading import queue from pathlib import Path from collections import defaultdict from ultralytics import YOLO 配置参数 class Config: 模型路径 MODEL_PATH = r"F:\yolov8\ultralytics-main\best.pt" # 初始模型路径 NEW_MODEL_DIR = r"F:\yolov8\ultralytics-main\retrained_models" # 新模型存储目录 图片路径 SOURCE_DIR = r"F:\yolov8\ultralytics-main\datasets\bvn\images\train" # 图片输入目录 OUTPUT_DIR = r"F:\yov8\ultralytics-main\datasets\bvn\images\done" # 检测结果输出路径 NO_DETECTION_DIR = os.path.join(OUTPUT_DIR, “no_detection”) # 未检测到目标的文件夹 #训练参数 TRAINING_THRESHOLD = 500 # 收集一定新图片后开始训练 EPOCHS = 50 # 训练轮数 IMGSZ = 640 # 训练图像尺寸 BATCH = 8 # 训练批次大小 # 检测参数 CONFIDENCE_THRESHOLD = 0.5 # 检测置信度阈值 POLL_INTERVAL = 1 # 文件夹轮询间隔(秒) STABLE_TIME = 0.5 # 文件稳定时间(秒) IMAGE_EXTS = {‘.jpg’, ‘.jpeg’, ‘.png’, ‘.bmp’} # 支持的图片格式 确保目录存在 Path(Config.OUTPUT_DIR).mkdir(parents=True, exist_ok=True) Path(Config.NO_DETECTION_DIR).mkdir(parents=True, exist_ok=True) Path(Config.NEW_MODEL_DIR).mkdir(parents=True, exist_ok=True) 全局变量 processed_files = set() # 已处理文件记录 training_queue = queue.Queue() # 训练任务队列 new_images_count = 0 # 新图片计数器 model_lock = threading.Lock() # 模型更新锁 加载初始模型 model = YOLO(Config.MODEL_PATH) def process_image(image_path): “”“处理单张图片并保存结果，返回检测结果统计”“” 读取原始图片 original_img = cv2.imread(image_path) if original_img is None: print(f"无法读取图片: {image_path}") return {} 执行目标检测 results = model(image_path, conf=Config.CONFIDENCE_THRESHOLD) # 检测结果计数器 detection_count = 0 class_files = defaultdict(list) # 处理检测结果 for result in results: # 统计检测到的目标数量 detection_count += len(result.boxes) if result.boxes is not None else 0 # 如果有检测结果 if result.boxes is not None and len(result.boxes) > 0: # 绘制检测结果 plotted_img = result.plot() # 获取检测到的类别 class_indices = result.boxes.cls.int().tolist() # 为每个检测到的类别保存结果 for cls_idx in set(class_indices): # 使用set去重 cls_name = model.names[cls_idx] cls_dir = Path(Config.OUTPUT_DIR) / cls_name cls_dir.mkdir(parents=True, exist_ok=True) # 保存路径 save_path = str(cls_dir / f"{Path(image_path).stem}_result{Path(image_path).suffix}“) cv2.imwrite(save_path, plotted_img) class_files[cls_name].append(save_path) # 如果没有检测到任何目标 if detection_count == 0: # 在图片上添加"未检测到目标"文本 annotated_img = original_img.copy() text = “No Detection” font = cv2.FONT_HERSHEY_SIMPLEX font_scale = 1 thickness = 2 color = (0, 0, 255) # 红色文本 # 获取文本尺寸并居中 text_size = cv2.getTextSize(text, font, font_scale, thickness)[0] text_x = (annotated_img.shape[1] - text_size[0]) // 2 text_y = (annotated_img.shape[0] + text_size[1]) // 2 # 添加文本 cv2.putText(annotated_img, text, (text_x, text_y), font, font_scale, color, thickness) # 保存到未检测文件夹 save_path = str(Path(Config.NO_DETECTION_DIR) / f”{Path(image_path).name}") cv2.imwrite(save_path, annotated_img) class_files[“no_detection”] = [save_path] # 将处理后的图片添加到训练队列 training_queue.put(image_path) return class_files def auto_retrain_model(): “”“自动训练新模型并替换旧模型”“” global model, new_images_count 创建数据集目录 dataset_dir = os.path.join(Config.NEW_MODEL_DIR, “auto_dataset”) images_dir = os.path.join(dataset_dir, “images”, “train”) labels_dir = os.path.join(dataset_dir, “labels”, “train”) os.makedirs(images_dir, exist_ok=True) os.makedirs(labels_dir, exist_ok=True) print(f"\n 开始准备训练数据，共收集到 {new_images_count} 张新图片") # 处理训练队列中的所有图片 processed_count = 0 while not training_queue.empty(): try: img_path = training_queue.get_nowait() base_name = Path(img_path).name # 复制图片到训练集 shutil.copy(img_path, os.path.join(images_dir, base_name)) # 生成对应的标签文件路径 label_path = os.path.join(labels_dir, f"{Path(img_path).stem}.txt") # 如果标签文件不存在，创建一个空文件 if not os.path.exists(label_path): open(label_path, ‘w’).close() processed_count += 1 if processed_count % 10 == 0: print(f" 已处理 {processed_count}/{new_images_count} 张图片") except queue.Empty: break # 创建数据集配置文件 dataset_yaml_path = os.path.join(dataset_dir, “dataset.yaml”) with open(dataset_yaml_path, ‘w’) as f: f.write(f"path: {dataset_dir}\n") f.write(“train: images/train\n”) f.write(“val: images/train # 使用相同数据验证\n”) f.write(“names:\n”) for idx, name in model.names.items(): f.write(f" {idx}: {name}\n") print(f" 训练数据集准备完成: {dataset_dir}“) print(f” 开始训练新模型 (epochs={Config.EPOCHS}, batch={Config.BATCH})“) # 训练新模型 with model_lock: # 锁定模型以防止在训练时被使用 new_model = YOLO(“yolov8n.yaml”) # 使用YOLOv8n架构 results = new_model.train( data=dataset_yaml_path, epochs=Config.EPOCHS, imgsz=Config.IMGSZ, batch=Config.BATCH, project=Config.NEW_MODEL_DIR, name=“auto_retrain”, exist_ok=True ) # 定位最佳模型 best_model_path = os.path.join(Config.NEW_MODEL_DIR, “auto_retrain”, “weights”, “best.pt”) if os.path.exists(best_model_path): # 备份旧模型 timestamp = time.strftime(”%Y%m%d-%H%M%S") backup_path = f"{Config.MODEL_PATH}.bak.{timestamp}" shutil.copy(Config.MODEL_PATH, backup_path) # 替换模型 shutil.copy(best_model_path, Config.MODEL_PATH) # 重新加载新模型 with model_lock: model = YOLO(Config.MODEL_PATH) print(f" 模型已成功替换: {Config.MODEL_PATH}“) print(f” 旧模型已备份至: {backup_path}“) return True else: print(” 训练失败，未找到最佳模型！！！") return False def monitor_folder(): “”“监控文件夹并处理新图片”“” global new_images_count print(f"开始监控文件夹: {Config.SOURCE_DIR}“) print(f"置信度阈值: {Config.CONFIDENCE_THRESHOLD}”) print(f"未检测图片将保存到: {Config.NO_DETECTION_DIR}“) print(f"每收集 {Config.TRAINING_THRESHOLD} 张新图片将自动训练新模型”) try: while True: # 检查是否需要启动训练 if new_images_count >= Config.TRAINING_THRESHOLD: print(“\n⚠️ 达到训练阈值，启动自动训练流程…”) if auto_retrain_model(): # 重置计数器 new_images_count = 0 # 清空训练队列 while not training_queue.empty(): training_queue.get_nowait() # 获取文件夹中的所有文件 for entry in Path(Config.SOURCE_DIR).iterdir(): if not entry.is_file(): continue file_path = str(entry.resolve()) file_ext = entry.suffix.lower() # 检查是否为支持的图片文件 if file_ext not in Config.IMAGE_EXTS: continue # 检查是否已处理过 if file_path in processed_files: continue # 检查文件是否稳定 file_age = time.time() - entry.stat().st_mtime if file_age < Config.STABLE_TIME: continue # 处理新图片 print(f"处理新图片: {entry.name}“) result_files = process_image(file_path) # 记录已处理文件 processed_files.add(file_path) new_images_count += 1 # 打印处理结果 if “no_detection” in result_files: print(f” └─ 未检测到目标: {result_files[‘no_detection’][0]}“) else: for cls_name, paths in result_files.items(): print(f” ├─ 检测到 {cls_name}: {len(paths)}张图片") # 显示当前新图片计数 print(f" 当前新图片数: {new_images_count}/{Config.TRAINING_THRESHOLD}“) time.sleep(Config.POLL_INTERVAL) except KeyboardInterrupt: print(”\n监控已停止") # 在退出前检查是否有待处理的训练任务 if new_images_count > 0: print(f"⚠ 检测到 {new_images_count} 张未处理的图片，是否要训练新模型? (y/n)") if input().lower() == ‘y’: auto_retrain_model() if name == “main”: monitor_folder() 在写一个日志功能，这个日志是记录检测图片的信息。日志也还是按图片检测后分类在不同的文本中。日志内容就是图片名称 ，举个例子：Err2025-06-28 040014922L14397382_0_result，Err2025-06-28是日期，040014922在L前面是时间，L后面的数字是长度14397382长度是mm，写入日志时需要是按m记录，文本中最后还要记录日志信息个数
07-16
或者，我们维护一个全局的计数器字典，记录每个类别的日志条数，并在程序启动时从日志文件中初始化（读取行数）。在程序退出时，将每个类别的总条数写入日志文件的最后一行（覆盖原有最后一行？）。但是这样如果程序...
随机出现一张图片
HANGTOK的博客
04-16 2385
先把json里的内容放到定义好的一个空数组里面，然后弄一个随机数当数组的下标，当点击按钮时把数组里随机的图片的路径赋给提前设置好的图片。 效果图 JSON { "status": "0", "message": "success", "data": { "title": "请认真对待考试,随机选取其中一张图片", "content": [ ...
java写一个程序，实现从文件中读出文件内容，并将其打印在屏幕当中，并标注上行号
热门推荐
十里の清风
01-22 1万+
*    4.java写一个程序，实现从文件中读出文件内容，并将其打印在屏幕当中，并标注上行号 *     *    解题思路: *       1,显示行号,利用BufferedReader 中的  readLine(); *       2,设定lineNumber, *       3,读取一行,打印一行, 则 lineNumber++ package HomeWork4; i
分享一个随机生成图片的网站
时光有伱，记忆成花~
03-19 4444
获取随机图片，可自定义大小、颜色、灰度、模糊等。
调用图片文件夹中的任意图片随机显示_图虫相册里的原图图片如何一键采集
weixin_39571219的博客
12-05 642
不管是哪一个行业，我们总离不开下载图片，但有的网站涉及版权，想要下载就异常困难（小白而言）。因为图虫相册的照片质量非常高，所以很多做微商或电商的宝贝们会把图片放在图虫相册中，仅供代理或有需要的人下载，而有很多朋友们都已经开始用下图高手这个工具，一键采集图虫相册里的原图图片了，你还在等什么？快跟小编一起行动起来叭。一、所需工具：下图高手图虫相册二、批量获取图虫链接百度一下搜索“下图高手”下载使用，如...
好用的随机生成图片的网站
qq_38188762的博客
12-31 1206
若要在浏览器中请求多个相同大小的图像，请添加。每次都根据种子获取相同的随机图像，方法是添加到。到 url 的末尾来获取模糊的图像。到 url 的末尾来获取灰度图像。如果您需要文件结尾，可以添加到。url 的开头来获取特定图像。例如，获取灰度和模糊的特定图像。终结点获取有关特定映像的信息。终结点获取映像列表。
vba显示图片文件
qq_42678477的博客
03-30 2251
Sub Button1_Click() Dim sht As Worksheet, rng As Range, picPath As String Set sht = ActiveSheet Set rng = ActiveCell If sht.Cells(1, rng.Column) <> "文件" Then Exit Sub picPa...
多文件夹随机抽取图片并另存多个文件夹
liiojhggg的博客
02-03 1384
python,多文件夹随机抽取图片并另存多个文件夹
自动读取文件夹中图片并显示在网页中
alvinqq
10-27 3897
将此网页放到有图片的文件夹下，它将自动读取你文件夹里的图片，然后通过滚动的形式显示到页面上。 [code="java"] function loadImage() { var fso=new ActiveXObject("Scripting.FileSystemObject"); var path=document.locatio...
随机图片api接口网站整合
T3165919332的博客
05-17 1万+
会返回一张 800x600 的随机 Flickr 图片所以,如果需要在程序或网页中随机展示图片,可以使用以上网站提供的 API,很方便获得随机图片的地址和预览图。图片无版权问题,可以直接使用。会返回一个 800x600 的随机图片2. Lorem PicsumLorem Picsum 也是提供随机高清图片的网站,图片主要来源于 Unsplash。会返回一张 800x600 的随机图片3. PlacekittenPlacekitten 提供随机的 `kitten (小猫) 图片,图片尺寸也比较丰富。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值