Question

我正在尝试阅读以下网站ufldl.stanford.edu/housenumbers中提供的mat文件，在文件train.tar.gz中，有一个名为digitStruct.mat的mat文件。

当我使用scipy.io读取mat文件时，它会提示我“请使用hdf reader for matlab v7.3 files”。

原始的matlab文件如下所示

load digitStruct.mat
for i = 1:length(digitStruct)
    im = imread([digitStruct(i).name]);
    for j = 1:length(digitStruct(i).bbox)
        [height, width] = size(im);
        aa = max(digitStruct(i).bbox(j).top+1,1);
        bb = min(digitStruct(i).bbox(j).top+digitStruct(i).bbox(j).height, height);
        cc = max(digitStruct(i).bbox(j).left+1,1);
        dd = min(digitStruct(i).bbox(j).left+digitStruct(i).bbox(j).width, width);

        imshow(im(aa:bb, cc:dd, :));
        fprintf('%d\n',digitStruct(i).bbox(j).label );
        pause;
    end
end

如上图所示，mat文件的键为'digitStruct'，在'digitStruct'中，可以找到键'name'和'bbox'，我使用h5py API来读取文件。

import h5py
f = h5py.File('train.mat')
print len( f['digitStruct']['name'] ), len(f['digitStruct']['bbox']   )

我可以读取数组，但是当我循环访问数组时，我如何阅读每个项目？

for i in f['digitStruct']['name']:
    print i # only print out the HDF5 ref

Answer 1

用Matlab写作：

test = {'Hello', 'world!'; 'Good', 'morning'; 'See', 'you!'};
save('data.mat', 'test', '-v7.3') % v7.3 so that it is readable by h5py

enter image description here

用Python读取（适用于任何数字或行或列，但假设每个单元格都是一个字符串）：

import h5py
import numpy as np

data = []
with h5py.File("data.mat") as f:
    for column in f['test']:
        row_data = []
        for row_number in range(len(column)):            
            row_data.append(''.join(map(unichr, f[column[row_number]][:])))   
        data.append(row_data)

print data
print np.transpose(data)

输出：

[[u'Hello', u'Good', u'See'], [u'world!', u'morning', u'you!']]

[[u'Hello' u'world!']
 [u'Good' u'morning']
 [u'See' u'you!']]

Answer 2

import numpy as np
import cPickle as pickle
import h5py

f = h5py.File('train/digitStruct.mat')

metadata= {}
metadata['height'] = []
metadata['label'] = []
metadata['left'] = []
metadata['top'] = []
metadata['width'] = []

def print_attrs(name, obj):
    vals = []
        if obj.shape[0] == 1:
            vals.append(int(obj[0][0]))
        else:
            for k in range(obj.shape[0]):
                vals.append(int(f[obj[k][0]][0][0]))
        metadata[name].append(vals)

for item in f['/digitStruct/bbox']:
    f[item[0]].visititems(print_attrs)

with open('train_metadata.pickle','wb') as pf:
  pickle.dump(metadata, pf, pickle.HIGHEST_PROTOCOL)

我从https://discussions.udacity.com/t/how-to-deal-with-mat-files/160657/3修改了它。老实说，我无法确切地知道visititmes()到底发生了什么。 HDF5文件过于层次化，太抽象。

此元数据是字典。每个密钥的内容是嵌入式阵列。该数组有33402个项目，这些项目按顺序对应于名称的png文件。每个项目都是一个长度为1~6的数组。我统计不同数字的数字，即5137,18130,8691,1434,9,1。

令我惊讶的是，pickle文件只有9 MB，比mat文件小20多倍。我猜HDS文件牺牲了层次结构的存储空间。

注意：为了切片图像，我已将值转换为整数。现在train_metadata.pickle文件的大小只有2 MB，是mat文件的100倍。

如何在python中阅读Mat v7.3文件？

2 个答案: