MNIST数据集转为图片形式输出

前期工作

1、请注意运行代码存入的文件夹的名称，要与代码中的path路径对应一致；
2、下载MNIST数据集（四个压缩包），并将四个压缩包的内容解压出来，如下图①；
3、在运行代码目录下，建立data文件夹，data文件夹下包含两个子文件夹data_a、data_c，最后在data_c文件夹下建立以0~9为名的十个文件夹，如下图②③；

–-----------------------------------------------------------------------------—------------------------------------------------
–-----------------------------------------------------------------------------—------------------------------------------------

说明：

1、这里提供两种路径选择，第一个是将所有的图片不区分索引，全部存入data_a文件夹内，第二个是按照图片索引的不同，存入data_c不同文件夹下；
2、可以通过range()函数，指定打印出图片的张数；
3、注意path对应的路径是否一致

# 将打印出的MNIST数据集中所有的图片存入一个data文件夹下
for i in range(0, 10):path = "../CNN+Kreas框架+MNIST/data/data_a/"name = str(i) + ".png"mnist_save_img(x_train[i], path, name)
"""
# 按图片标签的不同，打印MNIST数据集的图片存入不同文件夹下
for i in range(0, 50):path = "../CNN+Kreas框架+MNIST/data/data_c/" + str(y_train[i]) +"/"name = str(i)+".png"mnist_save_img(x_train[i], path, name)
"""

源码奉上：

# -*- coding: utf-8 -*-
# -*- author：zzZ_CMing  CSDN address:https://blog.csdn.net/zzZ_CMing
# -*- 2018/07/09; 15:18
# -*- python3.5
"""
将MNIST数据集由二进制文件转为图片形式，保存于指定文件夹下
"""
import os
import struct
import numpy as np
import matplotlib.pyplot as plt# 读MNIST数据集的图片数据
def mnist_load_img(img_path):with open(img_path, "rb") as fp:# >是以大端模式读取，i是整型模式，读取前四位的标志位，# unpack()函数：是将4个字节联合后再解析成一个数，(读取后指针自动后移)msb = struct.unpack('>i', fp.read(4))[0]# 标志位为2051，后存图像数据；标志位为2049，后存图像标签if msb == 2051:# 读取样本个数60000，存入cntcnt = struct.unpack('>i', fp.read(4))[0]# rows：行数28；cols：列数28rows = struct.unpack('>i', fp.read(4))[0]cols = struct.unpack('>i', fp.read(4))[0]imgs = np.empty((cnt, rows, cols), dtype="int")for i in range(0, cnt):for j in range(0, rows):for k in range(0, cols):# 16进制转10进制pxl = int(hex(fp.read(1)[0]), 16)imgs[i][j][k] = pxlreturn imgselse:return np.empty(1)# 读MNIST数据集的图片标签
def mnist_load_label(label_path):with open(label_path, "rb") as fp:msb = struct.unpack('>i', fp.read(4))[0];if msb == 2049:cnt = struct.unpack('>i', fp.read(4))[0];labels = np.empty(cnt, dtype="int");for i in range(0, cnt):label = int(hex(fp.read(1)[0]), 16);labels[i] = label;return labels;else:return np.empty(1);# 分割训练、测试集的图片数据与图片标签
def mnist_load_data(train_img_path, train_label_path, test_img_path, test_label_path):x_train = mnist_load_img(train_img_path);y_train = mnist_load_label(train_label_path);x_test = mnist_load_img(test_img_path);y_test = mnist_load_label(test_label_path);return (x_train, y_train), (x_test, y_test);# 输出打印图片
def mnist_plot_img(img):(rows, cols) = img.shape;plt.figure();plt.gray();plt.imshow(img);plt.show();# 按指定位置保存图片
def mnist_save_img(img, path, name):if not os.path.exists(path):os.mkdir(path)(rows, cols) = img.shapefig = plt.figure()plt.gray()plt.imshow(img)# 在既定路径里保存图片fig.savefig(path + name)# [start]
x_train = mnist_load_img("train-images.idx3-ubyte")
y_train = mnist_load_label("train-labels.idx1-ubyte")# 将打印出的MNIST数据集中所有的图片存入一个data文件夹下
for i in range(0, 10):path = "../CNN+Kreas框架+MNIST/data/data_a/"name = str(i) + ".png"mnist_save_img(x_train[i], path, name)
"""
# 按图片标签的不同，打印MNIST数据集的图片存入不同文件夹下
for i in range(0, 50):path = "../CNN+Kreas框架+MNIST/data/data_c/" + str(y_train[i]) +"/"name = str(i)+".png"mnist_save_img(x_train[i], path, name)
"""#mnist_plot_img(x_train[0, :, :])
"""
x_test = mnist_load_img("t10k-images.idx3-ubyte")
y_test = mnist_load_label("t10k-labels.idx1-ubyte")
"""

效果展示：