数据集预处理：乱序抽出50对保存为测试集

记录：

虽然水平不是一般的低......

但还是想记录一下

import os
import cv2 as cv
import random
import glob
path_image = glob.glob(os.path.join(os.path.abspath('.'), 'image/P*.jpg'))
path_label = glob.glob(os.path.join(os.path.abspath('.'), 'label/T*.png'))    #读取这些图##片的路径，保存为一个列表
revl=[0]*207    #创建207大小的列表，里面的值均为零
for i in range(len(path_image)):    #制备一个长度为数据集总长的序号列表
    revl[i]=i+1                     #因为图片的标号是从1开始的故标号也从1开始
random.shuffle(revl)        #将这个列表无序化
random.shuffle(revl)         #无序化了两边

path_im = [0]*207
path_la = [0]*207
data_im = [0]*50
data_la = [0]*50

t=0
for j in revl:        #把按照这个无序化列表的序号来取路径，存在path_im[]里，注意这里存储用的容#器，序号是用t
    path_im[t] = path_image[j-1]
    path_la[t] = path_label[j-1]
    t=t+1
for t in range(50):
    data_im[t] = cv.imread(path_im[t])
    data_la[t] = cv.imread(path_la[t])
                    #再把这个随机抽取的地址读取成数组数据
for q in range(50):
    cv.imwrite('D:\\project\\pytorch\\data\\test\\P{}.jpg'.format(q),data_im[q])
    os.remove('D:\\project\\pytorch\\data\\image\\P{}.jpg'.format(revl[q]))
    cv.imwrite('D:\\project\\pytorch\\data\\test\\T{}.png'.format(q),data_la[q])
    os.remove('D:\\project\\pytorch\\data\\label\\T{}.png'.format(revl[q]))
                    #再根据这些数据反向生成图片，并把原训练集里同号的图片删除