从文件夹加载图像数据并使用Keras进行可视化

要从名为'lxy'的文件夹中调取训练集图片，可以使用以下代码：

import os
from keras.preprocessing.image import ImageDataGenerator

train_data_dir = 'lxy'  # 训练集图片所在的文件夹路径
batch_size = 32  # 批量大小

# 创建ImageDataGenerator对象，用于加载和预处理图像数据
train_data_generator = ImageDataGenerator(rescale=1./255)

# 从训练集文件夹中获取图像数据生成器
train_generator = train_data_generator.flow_from_directory(
    train_data_dir,
    target_size=(150, 150),  # 将图像调整为指定的大小
    batch_size=batch_size,
    class_mode='binary'  # 类别模式，这里是二元分类
)

# 获取一批图像数据
training_images, _ = next(train_generator)

# 调用plotImages函数展示前10张图像
plotImages(training_images[:10])

请注意，上述代码中的train_data_dir变量应该包含训练集图像所在的文件夹路径。根据你的具体情况，将其修改为正确的文件夹路径。

代码解析：

导入必要的库： os 库用于处理文件路径，ImageDataGenerator 用于加载和预处理图像数据。
设置训练集路径和批量大小： train_data_dir 变量存储训练集文件夹路径，batch_size 设置每次加载的图像数量。
创建 ImageDataGenerator 对象： 使用 ImageDataGenerator 创建一个对象，并设置 rescale 参数为 1./255，将图像像素值缩放到 0 到 1 之间。
创建图像数据生成器： 使用 flow_from_directory 方法从训练集文件夹中获取图像数据生成器。该方法接收以下参数：
- train_data_dir：训练集文件夹路径。
- target_size：将图像调整为指定的大小。
- batch_size：每次加载的图像数量。
- class_mode：类别模式，这里是二元分类，表示每个图像属于两个类别之一。
获取一批图像数据： 使用 next 方法从图像数据生成器中获取一批图像数据。
展示图像： 使用 plotImages 函数展示获取的前 10 张图像。