Unet项目解析(5): 数据封装、数据加载、数据显示

最新推荐文章于 2025-07-12 15:35:32 发布

原创

最新推荐文章于 2025-07-12 15:35:32 发布 · 6.9k 阅读

30 ·

CC 4.0 BY-SA版权

本文档详细解析U-Net项目的数据处理流程，包括将数据封装成HDF5格式，介绍如何写入和加载HDF5文件，讨论图像的灰阶转换，并展示如何利用已知信息进行分组显示，适用于医学图像分析领域的深度学习研究。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

项目GitHub主页：https://github.com/orobix/retina-unet

参考论文：Retina blood vessel segmentation with a convolution neural network (U-net) Retina blood vessel segmentation with a convolution neural network (U-net)

1.数据封装成HDF5格式

import os
import h5py
import numpy as np
from PIL import Image

def write_hdf5(arr,outfile):  # arr:数据  outfile：数据保存文件位置
  with h5py.File(outfile,"w") as f:
    f.create_dataset("image", data=arr, dtype=arr.dtype)

# 训练数据位置：图像 金标准 掩膜
original_imgs_train = "./DRIVE/training/imag