如何在ML Studio中通过路径访问Azure Blob Storage中的图像数据

1. 路径方式访问Azure Blob Storage是否可行？ #

完全可行，你可以通过两种核心方式实现路径式访问，替代SAS链接：

方式一：通过Azure ML数据集配置路径访问 #

• 在ML Studio的数据页面创建新数据集，选择Azure Blob Storage作为数据源
• 选定目标存储账户和文件夹，优先用托管标识或服务主体完成身份验证（比SAS更稳定持久）
• 创建完成后，在Notebook或脚本中通过挂载获取本地路径：

  from azureml.core import Dataset, Workspace
  
  ws = Workspace.from_config()
  dataset = Dataset.get_by_name(ws, name="你的图像数据集名称")
  mount_context = dataset.mount()
  mount_context.start()
  
  # 直接用路径访问文件夹内图像
  image_folder_path = f"{mount_context.mount_point}/目标子文件夹"
  

方式二：用SDK直接挂载Blob容器 #

无需创建数据集，可通过azureml.fsspec将Blob容器挂载为类本地文件系统：

from azureml.fsspec import AzureMachineLearningFileSystem

# 替换为你的容器名和存储账户名
fs = AzureMachineLearningFileSystem(
    "abfss://<容器名>@<存储账户名>.dfs.core.windows.net/"
)

# 用路径遍历或读取文件
for image_file in fs.glob("/图像文件夹/*"):
    print(image_file)

2. 图像可视化与像素数据获取 #

拿到文件路径后，用常规Python库即可完成需求：

图像可视化 #

import matplotlib.pyplot as plt
from PIL import Image

# 读取单张图像
img = Image.open(f"{image_folder_path}/示例图像.jpg")

# 可视化
plt.imshow(img)
plt.axis("off")
plt.show()

获取像素数据 #

import numpy as np

# 转换为numpy数组，形状为(高度, 宽度, 通道数)
pixel_data = np.array(img)

# 查看像素信息
print(f"像素数组形状：{pixel_data.shape}")
print(f"像素值范围：{np.min(pixel_data)} - {np.max(pixel_data)}")

注意事项 #

• 确保ML Studio的计算实例/集群拥有Blob Storage的访问权限（比如给托管标识分配存储Blob数据读取者角色）
• 挂载路径在计算实例重启后会失效，需重新执行挂载代码

内容的提问来源于stack exchange，提问作者Qdadedalus