-
Notifications
You must be signed in to change notification settings - Fork 0
/
imagen.py
42 lines (32 loc) · 1.31 KB
/
imagen.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
from PIL import Image
import os
import numpy as np
def entrenarImagenes(ruta, universidad):
contador = 0
cosas = []
for file in os.listdir(ruta):
if file.endswith(".jpg"):
im = Image.open(ruta + "/" + file)
contador = contador + 1
#print(im.size)
#imagen_rgb = img.convert("RGB")
pixel_values = list(im.getdata())
pixel_values = np.array(pixel_values)
cosas.append(pixel_values)
#print(pixel_values)
res = np.array(cosas)
np.random.shuffle(res)
# Se separa el conjunto de pruebas del de entrenamiento
slice_point = int(contador*0.7)
train = res[0:slice_point]
train_set_x_orig = train.reshape(slice_point,128,128,3)
test = res[slice_point:contador]
test_set_x_orig = test.reshape(contador - slice_point,128,128,3)
train_set_y_orig = np.array(universidad)
train_set_y_orig = np.tile(train_set_y_orig,slice_point)
test_set_y_orig = np.array(universidad)
test_set_y_orig = np.tile(test_set_y_orig, contador - slice_point)
print(train_set_x_orig.shape)
print(test_set_x_orig.shape)
return train_set_x_orig, train_set_y_orig, test_set_x_orig, test_set_y_orig, ['No ' + universidad, universidad]
entrenarImagenes("datasets/USAC", "usac")