有些時候，我們不僅要對一張圖片進行處理，可能還會對一批圖片處理。這時候，我們可以通過迴圈來執行處理，也可以呼叫程式自帶的圖片集合來處理。

圖片集合函式為：

skimage.io.ImageCollection(load_pattern,load_func=None)

這個函式是放在io模組內的，帶兩個引數，第一個引數load_pattern, 表示圖片組的路徑，可以是一個str字串。第二個引數load_func是一個回撥函式，我們對圖片進行批量處理就可以通過這個回撥函式實現。回撥函式預設為imread(),即預設這個函式是批量讀取圖片。

先看一個例子：

import skimage.io as io
 
from skimage import data_dir
str=data_dir + '/*.png'
coll = io.ImageCollection(str)
print(len(coll))

顯示結果為25, 說明系統自帶了25張png的示例圖片，這些圖片都讀取了出來，放在圖片集合coll裡。如果我們想顯示其中一張圖片，則可以在後加上一行程式碼：

io.imshow(coll[10])

顯示為：

如果一個資料夾裡，我們既存放了一些jpg格式的圖片，又存放了一些png格式的圖片，現在想把它們全部讀取出來，該怎麼做呢?

import skimage.io as io
from
 
 skimage import data_dir
str='d:/pic/*.jpg:d:/pic/*.png'
coll = io.ImageCollection(str)
print(len(coll))

注意這個地方'd:/pic/*.jpg:d:/pic/*.png' ，是兩個字串合在一起的，第一個是'd:/pic/*.jpg', 第二個是'd:/pic/*.png' ，合在一起後，中間用冒號來隔開，這樣就可以把d:/pic/資料夾下的jpg和png格式的圖片都讀取出來。如果還想讀取存放在其它地方的圖片，也可以一併加進去，只是中間同樣用冒號來隔開。

io.ImageCollection()這個函式省略第二個引數，就是批量讀取。如果我們不是想批量讀取，而是其它批量操作，如批量轉換為灰度圖，那又該怎麼做呢？

那就需要先定義一個函式，然後將這個函式作為第二個引數，如：

from skimage import data_dir,io,color

def convert_gray(f):
    rgb=io.imread(f)
    return color.rgb2gray(rgb)
    
str=data_dir+'/*.png'
coll = io.ImageCollection(str,load_func=convert_gray)
io.imshow(coll[10])

這種批量操作對視訊處理是極其有用的，因為視訊就是一系列的圖片組合

from skimage import data_dir,io,color

class AVILoader:
    video_file = 'myvideo.avi'

    def __call__(self, frame):
        return video_read(self.video_file, frame)

avi_load = AVILoader()

frames = range(0, 1000, 10) # 0, 10, 20, ...
ic =io.ImageCollection(frames, load_func=avi_load)

這段程式碼的意思，就是將myvideo.avi這個視訊中每隔10幀的圖片讀取出來，放在圖片集合中。

得到圖片集合以後，我們還可以將這些圖片連線起來，構成一個維度更高的陣列，連線圖片的函式為：

skimage.io.concatenate_images(ic)

帶一個引數，就是以上的圖片集合，如：

from skimage import data_dir,io,color

coll = io.ImageCollection('d:/pic/*.jpg')
mat=io.concatenate_images(coll)

使用concatenate_images(ic)函式的前提是讀取的這些圖片尺寸必須一致，否則會出錯。我們看看圖片連線前後的維度變化：

from skimage import data_dir,io,color

coll = io.ImageCollection('d:/pic/*.jpg')
print(len(coll))      #連線的圖片數量
print(coll[0].shape)   #連線前的圖片尺寸，所有的都一樣
mat=io.concatenate_images(coll)
print(mat.shape)  #連線後的陣列尺寸

顯示結果：

2
(870, 580, 3)
(2, 870, 580, 3)

可以看到，將2個3維陣列，連線成了一個4維陣列

如果我們對圖片進行批量操作後，想把操作後的結果儲存起來，也是可以辦到的。

例：把系統自帶的所有png示例圖片，全部轉換成256*256的jpg格式灰度圖，儲存在d:/data/資料夾下

改變圖片的大小，我們可以使用tranform模組的resize()函式，後續會講到這個模組。

from skimage import data_dir,io,transform,color
import numpy as np

def convert_gray(f):
     rgb=io.imread(f)    #依次讀取rgb圖片
     gray=color.rgb2gray(rgb)   #將rgb圖片轉換成灰度圖
     dst=transform.resize(gray,(256,256))  #將灰度圖片大小轉換為256*256
     return dst
    
str=data_dir+'/*.png'
coll = io.ImageCollection(str,load_func=convert_gray)
for i in range(len(coll)):
    io.imsave('d:/data/'+np.str(i)+'.jpg',coll[i])  #迴圈儲存圖片

 結果：