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呈現的詳細資料中擷取，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 /path/to/dir/之類的路徑），而且您可以透過指定具有 partition 目錄的路徑（也就是 /path/to/dir/date=2018-01-02/category=automobile的路徑）來使用 partition 檢索。

影像結構

影像檔案會載入為 DataFrame，其中包含名為 image 的單一結構類型 column，並具有下列字段：

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

where 欄位如下：

• nChannels：色彩通道的數目。 一般 values 設為 1 表示灰階影像，設為 3 則用於彩色影像（例如 RGB），設為 4 則代表包含 alpha 通道的彩色影像。

• mode：指出如何解譯資料欄位的整數旗標。 它會指定資料儲存其中的資料類型和通道順序。 預期欄位的值（但未強制執行）應對應至下列其中一個 OpenCV 類型，如 table所示。 OpenCV 類型定義於 1、2、3 或 4 個通道，以及圖元 values的數個數據類型。 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影像，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 中的類型至數字的對應（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。 影像數據會被表示為一個具有維度形狀（高度、寬度、nChannels）的三維陣列，和由模式欄位指定的類型為 values 的陣列。 陣列是以列為主要順序進行儲存。

顯示影像資料

Databricks display 函式支持顯示影像資料。 請參閱影像。

筆記本範例：讀取和寫入 資料至影像檔案

下列筆記本示範如何將資料讀取和寫入影像檔案。

影像資料來源筆記本

Get 筆記本

影像資料來源的限制

影像資料來源會在建立 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 table，以便更容易存取，您應該保存未經處理的位元組，而不是譯碼的數據來節省磁碟空間。
2. 隨機順序分割區：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。 您應該盡可能延遲影像解碼。
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，以提升效能或實施自訂解碼邏輯。

使用二進位檔案資料來源並僅視需要載入影像資料和解碼，即可避免這些限制。