mnist数据集是深度学习入门的一个很经典的手写体数字的数据集，我们跑的第一个深度学习网络往往就是mnist数据集，但是它的数据格式比较特殊，具体的格式及介绍见官网http://yann.lecun.com/exdb/mnist/

今天就写个程序，把mnist数据集中的数据转换为图像，这样我们就可以利用这些数据把图像转换为像caffe、Tensorflow等要求的格式作为练习，以后对自己的学习任务的样本也可以这样做。

废话不多说了，直接上代码，代码主要参考的是caffe中的convert_mnist_data.cpp文件中的转换方法。

#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/core/core.hpp>
#include <vector>
#include <iostream>
#include <fstream>
#include <string>
using namespace std;
using namespace cv;

//把大端数据转换为我们常用的小端数据
uint32_t swap_endian(uint32_t val)
{
    val = ((val << 8) & 0xFF00FF00) | ((val >> 8) & 0xFF00FF);
    return (val << 16) | (val >> 16);
}

void readAndSave(const string& mnist_img_path, const string& mnist_label_path)
{
    //以二进制格式读取mnist数据库中的图像文件和标签文件
    ifstream mnist_image(mnist_img_path, ios::in | ios::binary);
    ifstream mnist_label(mnist_label_path, ios::in | ios::binary);
    if(mnist_image.is_open() == false)
    {
        cout<<"open mnist image file error!"<<endl;
        return ;
    }
    if(mnist_label.is_open() == false)
    {
        cout<<"open mnist label file error!"<<endl;
        return ;
    }
    
    uint32_t magic;//文件中的魔术数(magic number)
    uint32_t num_items;//mnist图像集文件中的图像数目
    uint32_t num_label;//mnist标签集文件中的标签数目
    uint32_t rows;//图像的行数
    uint32_t cols;//图像的列数
    //读魔术数
    mnist_image.read(reinterpret_cast<char*>(&magic), 4);
    magic = swap_endian(magic);
    if(magic != 2051)
    {
        cout<<"this is not the mnist image file"<<endl;
        return ;
    }
    mnist_label.read(reinterpret_cast<char*>(&magic), 4);
    magic = swap_endian(magic);
    if(magic != 2049)
    {
        cout<<"this is not the mnist label file"<<endl;
        return ;
    }
    //读图像/标签数
    mnist_image.read(reinterpret_cast<char*>(&num_items), 4);
    num_items = swap_endian(num_items);
    mnist_label.read(reinterpret_cast<char*>(&num_label), 4);
    num_label = swap_endian(num_label);
    //判断两种标签数是否相等
    if(num_items != num_label)
    {
        cout<<"the image file and label file are not a pair"<<endl;
    }
    //读图像行数、列数
    mnist_image.read(reinterpret_cast<char*>(&rows), 4);
    rows = swap_endian(rows);
    mnist_image.read(reinterpret_cast<char*>(&cols), 4);
    cols = swap_endian(cols);
    //读取图像
    for(int i = 0; i != num_items; i++)
    {
        char* pixels = new char[rows * cols];
        mnist_image.read(pixels, rows * cols);
        char label;
        mnist_label.read(&label, 1);
        Mat image(rows,cols,CV_8UC1);
        for(int m = 0; m != rows; m++)
        {
            uchar* ptr = image.ptr<uchar>(m);
            for(int n = 0; n != cols; n++)
            {
                if(pixels[m * cols + n] == 0)
                    ptr[n] = 0;
                else
                    ptr[n] = 255;
            }
        }
        string saveFile = "./mnist_train/" + to_string((unsigned int)label) + "_" + to_string(i) + ".jpg";
        imwrite(saveFile, image);
    }
}

int main()
{
    //readAndSave("./t10k-images.idx3-ubyte", "./t10k-labels.idx1-ubyte");
    readAndSave("train-images.idx3-ubyte", "train-labels.idx1-ubyte");
    return 0;
}