映像

重要

Databricks 建議您使用 二進位檔案 資料來源，將影像資料載入 Spark DataFrame 做為原始位元組。 如需處理影像資料的建議工作流程，請參閱 影像應用程式的 參考解決方案。

影像資料來源 會從影像標記法的詳細資料中擷取，並提供標準 API 來載入影像資料。 若要讀取影像檔，請將資料來源 format 指定為 image 。

df = spark.read.format("image").load("<path-to-image-data>")

Scala、JAVA 和 R 也有類似的 API。

您可以匯入巢狀目錄結構（例如，使用類似 /path/to/dir/ 的路徑），而且您可以使用資料分割探索，方法是指定具有分割區目錄的路徑（也就是類似 的路徑 /path/to/dir/date=2018-01-02/category=automobile ）。

影像結構

影像檔案會載入為 DataFrame，其中包含具有下欄欄位呼叫 image 的單一結構類型資料行：

image: struct containing all the image data
  |-- origin: string representing the source URI
  |-- height: integer, image height in pixels
  |-- width: integer, image width in pixels
  |-- nChannels
  |-- mode
  |-- data

其中欄位為：

• nChannels：色彩色板的數目。 灰階影像的一般值為 1、彩色影像的 3 個值（例如 RGB），而 4 則代表具有 Alpha 色板的彩色影像。

• mode：指出如何解譯資料欄位的整數旗標。 它會指定資料儲存在中的資料類型和通道順序。 欄位的值必須是 （但未強制執行），以對應至下表中顯示的其中一個 OpenCV 類型。 OpenCV 類型是針對圖元值的 1、2、3 或 4 通道和數個資料類型所定義。 通道順序會指定儲存色彩的順序。 例如，如果您有具有紅色、藍色和綠色元件的一般三個通道映射，則有六個可能的順序。 大部分的程式庫都會使用 RGB 或 BGR。 三（四）通道 OpenCV 類型預計將以 BGR（A） 順序排列。

  OpenCV 中類型與數位的對應 （資料類型 x 通道數目）

  類型	C1	C2	C3	C4
  CV_8U	0	8	16	24
  CV_8S	1	9	17	25
  CV_16U	2	10	18	26
  CV_16S	3	11	19	27
  CV_32U	4	12	20	28
  CV_32S	5	13	21	29
  CV_64F	6	14	22	30

• data：以二進位格式儲存的影像資料。 影像資料會以維度圖形（高度、寬度、nChannels） 和模式欄位所指定的類型陣列值來表示為 3 維陣列。 陣列會以資料列主要順序儲存。

顯示影像資料

Databricks 函 display 式支援顯示影像資料。 請參閱 影像 。

筆記本範例：將資料讀取和寫入影像檔

下列筆記本示範如何將資料讀取和寫入影像檔。

影像資料來源筆記本

取得筆記本

影像資料來源的限制

映射資料來源會在建立 Spark DataFrame 期間解碼影像檔案、增加資料大小，並在下列案例中引入限制：

1. 保存 DataFrame：如果您想要將 DataFrame 保存到 Delta 資料表以方便存取，您應該保存未經解碼的資料，而不是解碼的資料，以節省磁碟空間。
2. 洗牌分割區：隨機解碼的影像資料會佔用更多的磁碟空間和網路頻寬，這會導致隨機顯示速度較慢。 您應該盡可能延遲解碼影像。
3. 選擇其他解碼方法：影像資料來源會使用 javax 的 Image IO 程式庫來解碼影像，這可防止您選擇其他影像解碼程式庫，以提升效能或實作自訂解碼邏輯。

使用二進位檔案 資料來源僅視需要載入影像資料和解碼，即可避免 這些限制。