处理mat文件的三种方式
读书的时候，处理数据都是采用matlab，但毕业后当了程序员，matlab从此在自己的电脑上消失了（安装包太大，还要license，启动也好慢，不符合程序员的需求）。
但是最近公司仿真的数据是以matlab的.mat格式存储的，需要读取出来处理，那就找找python相关的库吧，没有python干不了的活！！！
mat文件存储了matlab中变量数据，因此，python读出的mat数据是以k-v形式存储在字典里，key是变量名，value是数据内容：
scipy
最先想到的的是scipy工具
import scipy.io as scio
data = scio.loadmat(‘example.mat')
data[‘loss']但是读取有的.mat文件的时，会抛出异常（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
遇到上面的问题，就需要采用h5py库了：
import h5py
data=h5py.loadmat('example.mat')
data['loss'][:]但是这样读出来的是file格式，调试的时候都很难知道key是什么，取数据可以按照key来取，但是前提是需要知道key值，不方便独立调试。
mat73
今天的主角登场，个人觉得mat73兼容性最好，几乎所有的mat文件都能成功读取，而且读取的结果是k-v的字典，很便于后续处理：
import mat73
data=mat73.loadmat(path)
data['loss']mat4py
不推荐，兼容性较差，可能是没有后续更新。
总结：总的来说，个人比较推荐使用mat73，兼容各种版本的mat文件，其次可以比较清晰的看到mat文件中保存数据的key值，便于后续的提取。
python操作.mat文件
在win10中，打开
ITC_VD 数据集格式，
结果在训练集ITC_VD_Training_Testing_set中，看到标签文件全是快捷方式，
选中一个文件，右键 属性，看到：
Microsoft Access Table Shortcut (.mat)查了半天，发现是.mat 的 matlab格式，
python读取.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 文件里的数据结构是 dict ，所以取值要按照 key:value 的形式：
上面读出来的数据是 ndarray 类型，为了方便数据的展示，我们可以将其转换为，pandas的DataFrame：
import pandas as pd
df = pd.DataFrame(m['H_BETA'])
df.head()mat转图片
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
# 数据矩阵转图片的函数
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)以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程网。
