今天就跟大家聊聊有关Spark2.4是否支持图片格式数据源，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
Spark2.4开始支持内置的图片数据源读取器，可以直接读取图片的数据。
val df = spark.read.format("image").load("/opt/pic/")
目录可以还可以是/path/to/dir/**和分区目录。
Image Schema
读取的数据会生成一个DF，该DF就一列列名字叫做 image。但是其实他是个嵌套数据结构，具体结构如下：
root|-- image: struct (nullable = true)| |-- origin: string (nullable = true)| |-- height: integer (nullable = true)| |-- width: integer (nullable = true)| |-- nChannels: integer (nullable = true)| |-- mode: integer (nullable = true)| |-- data: binary (nullable = true)
orgin:代表图片的路径。
nChannels：颜色通道的数量。对于灰度图像，典型值为1，对于彩色图像（例如，RGB），典型值为3，对于具有alpha通道的彩色图像，典型值为4。
mode：整数标志，提供有关如何解释数据字段的信息。它指定数据存储的数据类型和通道顺序。希望（但不强制）字段的值映射到下面显示的OpenCV类型之一。OpenCV类型定义为1,2,3或4个通道，并为像素值定义了几种数据类型。通道顺序指定颜色的存储顺序。例如，如果有一个包含红色，蓝色和绿色组件的典型三通道图像，则有六种可能的排序。大多数库使用RGB或BGR。希望三（4）个通道OpenCV类型为BGR（A）顺序。
OpenCV中的类型到数字的映射（数据类型x通道数）
data：以二进制格式存储的图像数据。图像数据表示为具有尺寸形状（高度，宽度，n通道）和由schema字段指定的类型t的数组值的三维阵列。该数组以row-major顺序存储。
通道顺序(channel order)
通道顺序指定存储颜色的顺序。例如，如果您有一个包含红色，蓝色和绿色组件的典型三通道图像，则有六种可能的排序。大多数库使用RGB或BGR。预计三（4）个通道OpenCV类型为BGR（A）顺序
案例
对于有监督学习，可以用label作为分区列，目前label仅仅支持数字类型。
val spark = SparkSession.builder().appName("Spark reads pics").master("local[2]").getOrCreate()val df = spark.read.format("image").load("/opt/pic")df.printSchema()df.select(col("label"),col("image.origin"),col("image.height"),col("image.width"),col("image.nChannels"),col("image.mode")).show(1,false)spark.stop()
关于图片处理，目前spark支持的算法并不是很多，希望后续版本继续完善吧。
看完上述内容，你们对Spark2.4是否支持图片格式数据源有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
