處理mat文件的三種方式

讀書的時(shí)候，處理數(shù)據(jù)都是采用matlab，但畢業(yè)后當(dāng)了程序員，matlab從此在自己的電腦上消失了（安裝包太大，還要license，啟動(dòng)也好慢，不符合程序員的需求）。

但是最近公司仿真的數(shù)據(jù)是以matlab的.mat格式存儲(chǔ)的，需要讀取出來處理，那就找找python相關(guān)的庫吧，沒有python干不了的活?。?！

mat文件存儲(chǔ)了matlab中變量數(shù)據(jù)，因此，python讀出的mat數(shù)據(jù)是以k-v形式存儲(chǔ)在字典里，key是變量名，value是數(shù)據(jù)內(nèi)容：

scipy

最先想到的的是scipy工具

import scipy.io as scio
data = scio.loadmat(‘example.mat')
data[‘loss']

但是讀取有的.mat文件的時(shí)，會(huì)拋出異常（v7.3版本）：

raise NotImplementedError('Please use HDF reader for matlab v7.3 files')NotImplementedError: Please use HDF reader for matlab v7.3 files

h5py

遇到上面的問題，就需要采用h5py庫了：

import h5py
data=h5py.loadmat('example.mat') ??
data['loss'][:]

但是這樣讀出來的是file格式，調(diào)試的時(shí)候都很難知道key是什么，取數(shù)據(jù)可以按照key來取，但是前提是需要知道key值，不方便獨(dú)立調(diào)試。

mat73

今天的主角登場，個(gè)人覺得mat73兼容性最好，幾乎所有的mat文件都能成功讀取，而且讀取的結(jié)果是k-v的字典，很便于后續(xù)處理：

import mat73
data=mat73.loadmat(path) ??
data['loss']

mat4py

不推薦，兼容性較差，可能是沒有后續(xù)更新。

總結(jié)：總的來說，個(gè)人比較推薦使用mat73，兼容各種版本的mat文件，其次可以比較清晰的看到mat文件中保存數(shù)據(jù)的key值，便于后續(xù)的提取。 

python操作.mat文件

在win10中，打開

ITC_VD 數(shù)據(jù)集格式，

結(jié)果在訓(xùn)練集ITC_VD_Training_Testing_set中，看到標(biāo)簽文件全是快捷方式，

選中一個(gè)文件，右鍵 屬性，看到：

Microsoft Access Table Shortcut (.mat)

查了半天，發(fā)現(xiàn)是.mat 的 matlab格式，

python讀取.mat格式

from scipy.io import loadmat??
m = loadmat(r"E:\data\yolov5_dbb\ITC_VD_Training_Testing_set\Training\GT/00064.mat")
?
daaa=m.keys()
print(daaa)
?
print(m['x00064'])

.mat 文件里的數(shù)據(jù)結(jié)構(gòu)是 dict ，所以取值要按照 key:value 的形式：

上面讀出來的數(shù)據(jù)是 ndarray 類型，為了方便數(shù)據(jù)的展示，我們可以將其轉(zhuǎn)換為，pandas的DataFrame：

import pandas as pd
?
df = pd.DataFrame(m['H_BETA'])
?
df.head()

mat轉(zhuǎn)圖片

import glob?
import cv2
import numpy as np
?
r_path=r'C:\File\2021-11'
?
files=glob.glob(r_path+"/*.mat")
from scipy.io import loadmat?
?
# 數(shù)據(jù)矩陣轉(zhuǎn)圖片的函數(shù)
def MatrixToImage(data):
? ? # data = data * 255
? ? new_im = data.astype(np.uint8)
? ? return new_im?
?
for file in files:
?
? ? if "2018" in file:
? ? ? ? continue
? ? print(file)
? ? m = loadmat(file)
?
? ? daaa = m.keys()
?
? ? data=m['groundTruth']
?
? ? print(data)
?
? ? new_im = MatrixToImage(data)
? ? cv2.imshow("asdf",new_im)
? ? cv2.waitKey()
?
? ? # print(data)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。