如何从HDF5文件提取单张JPEG图像以适配CRSNet网络输入要求

我来给你梳理一下具体的实现步骤，结合Python的常用库就能搞定这个需求，咱们一步一步来：

1. 准备依赖库 #

首先需要安装几个核心工具库，用来处理HDF5文件、图像尺寸调整和数值操作：

pip install h5py opencv-python numpy pillow

2. 读取大HDF5文件中的原始数据 #

先把你手里的大HDF5文件里的images和density_maps读出来，注意原数据的最后一个维度是冗余的单通道，可以先去掉方便后续处理：

import h5py
import numpy as np
import cv2
import os

# 替换成你的大HDF5文件路径
large_hdf5_path = "your_large_dataset.h5"

with h5py.File(large_hdf5_path, 'r') as hf:
    # 读取并去掉最后一个单通道维度
    images = np.squeeze(hf['images'][:], axis=-1)  # 形状变为 (300, 380, 676)
    density_maps = np.squeeze(hf['density_maps'][:], axis=-1)  # 形状变为 (300, 380, 676)

3. 调整图像与密度图的尺寸 #

CRSNet要求输入图像是(572, 945)，这里要注意两个关键点：

• 图像调整：直接用双线性插值拉伸即可，视觉效果较好
• 密度图调整：不能直接拉伸！因为密度图的总和代表场景中的总人数，直接拉伸会改变人数统计，必须做比例校正

示例处理代码：

target_shape = (572, 945)  # (目标高度, 目标宽度)
# 计算面积缩放比例，用于校正密度图
original_area = 380 * 676
target_area = target_shape[0] * target_shape[1]
scale_factor = original_area / target_area

# 创建保存文件的文件夹
os.makedirs("crsnet_input_images", exist_ok=True)
os.makedirs("crsnet_density_maps", exist_ok=True)

4. 循环处理并保存单独文件 #

遍历每一组图像和密度图，处理后分别保存为JPEG和单独的HDF5文件：

from tqdm import tqdm  # 可选，用来显示处理进度

for idx in tqdm(range(len(images))):
    # 处理图像：转成uint8格式（如果原数据是0-1的float）并调整尺寸
    img = images[idx]
    if img.dtype in [np.float32, np.float64]:
        img = (img * 255).astype(np.uint8)
    # cv2.resize的参数是(宽度, 高度)，所以要调换target_shape的顺序
    resized_img = cv2.resize(img, (target_shape[1], target_shape[0]), interpolation=cv2.INTER_LINEAR)
    # 保存JPEG
    img_save_path = os.path.join("crsnet_input_images", f"image_{idx:03d}.jpg")
    cv2.imwrite(img_save_path, resized_img)

    # 处理密度图：调整尺寸后校正比例，保证总人数不变
    dm = density_maps[idx]
    resized_dm = cv2.resize(dm, (target_shape[1], target_shape[0]), interpolation=cv2.INTER_LINEAR)
    # 校正密度值，保持总人数一致
    resized_dm = resized_dm * scale_factor
    # 加回单通道维度，恢复原数据格式
    resized_dm = np.expand_dims(resized_dm, axis=-1)
    # 保存为单独的HDF5文件
    dm_save_path = os.path.join("crsnet_density_maps", f"density_{idx:03d}.h5")
    with h5py.File(dm_save_path, 'w') as hf:
        hf.create_dataset("density_map", data=resized_dm)

额外注意事项 #

• 如果原图像是RGB三通道（而非灰度图），去掉代码中的np.squeeze操作即可，直接处理(300, 380, 676, 3)格式的数据
• 如果你更喜欢用Pillow处理图像，可以替换cv2的图像调整代码：

  from PIL import Image
  resized_img = Image.fromarray(img).resize((target_shape[1], target_shape[0]), Image.Resampling.BILINEAR)
  resized_img.save(img_save_path)
  

• 处理大数量样本时，建议用tqdm显示进度，避免不知道处理到哪一步

内容的提问来源于stack exchange，提问作者CodingKingggg