有关自闭症数据集的读取，批量处理，保存

自闭症数据集的读取，批量处理，保存"/>

有关自闭症数据集的读取，批量处理，保存

导入所需要的库

import nibabel as nib #专门读取nii文件的库，这一部分需要翻墙用pip install nibabel安装
import tensorflow as tf
import numpy as np
from matplotlib import pyplot as plt
from nibabel.viewers import OrthoSlicer3D
import skimage.io as io
from PIL import Image
import cv2
import os

对nii文件进行读取测试

# img=nib.load('C:\\data\\Outputs\\dparsf\\nofilt_noglobal\\reho\\Caltech_0051456_reho.nii\\swSub_0051456_reho.nii')
# print(img.shape)
# a,b,c=img.shape# print(a)
# print(b)
# print(c)

将二维图像转化为三维图像测试以及单通道转三通道测试

# a=np.array([[1,2,3],[3,4,6]])
# b=np.array([[8,9]])
# print(a.shape)
# c=np.expand_dims(a,axis=2)#axis=2是在最后面添加一维
# print(c.shape)
# d=np.concatenate((c,c,c),axis=2)#axis=2是在把最后一维改为三通道
# print(d.shape)

批量读取文件夹中的nii文件，并把读取的三维图像切割为二维的，在获取的二维图像后修改其尺寸为（224,224），通道数改成三维，即img.shape为（224,224,3），最后取了切割后的中间30个切片保存起来。

load_path="I://ASD相关资料//批量处理//"
files=os.listdir(load_path)
for file in  (files):# print(file)img=nib.load(load_path+file)file_name, file_exp = os.path.splitext(file) #分离文件名和扩展名# print(img.shape)a,b,c=img.shapefor d in range(c):if d>14 and d<45:img1=img.dataobj[:,:,d]img1=cv2.resize(img1,(224,224))img1=np.expand_dims(img1,axis=2)img1=np.concatenate((img1,img1,img1),axis=2)io.imsave("I://ASD相关资料//1//"+file_name+str(d)+".jpg",img1)

################################################################################
################################################################################
**

pandas读取后缀为.1D的文件,使用pandas.read_table

**