计算机视觉 / 系统课时

组织项目目录

组织项目目录

图像处理项目很容易把代码、模型、原始素材和运行结果混在一起,后续既难复现,也容易误覆盖输入文件。本节建立一个最小但清晰的目录方案,并用可运行脚本一次性创建它。

学习目标

  • 能按职责拆分代码、模型、输入素材和输出结果
  • 能用稳定的相对路径组织 OpenCV 读写流程
  • 能避免把生成结果写回原始输入目录

目录怎么划分

一个实用的最小结构可以分成 src、models、data/input 和 outputs 四类。src 只放程序代码,models 放推理或训练得到的模型文件,data/input 保存原始图片或视频,outputs 保存程序生成的图片、日志或中间结果。

图像处理项目目录职责结构图

这种拆分的关键不是目录名字本身,而是职责单一:输入目录尽量视为只读,输出目录可以反复清理,代码和模型则由版本与发布流程单独管理。

用脚本创建最小结构

下面的 Python 脚本使用标准库 pathlib 创建目录,因此在 Windows、macOS 和 Linux 上都可以运行。

python
from pathlib import Path

# 只创建职责明确、会被程序直接使用的目录。
directories = [
    "src",
    "models",
    "data/input",
    "outputs",
]

# parents=True 会补齐 data/input 的父目录;重复执行也不会报错。
for directory in directories:
    Path(directory).mkdir(parents=True, exist_ok=True)

print("项目目录已创建:")
for directory in directories:
    print(f"- {directory}")

预期输出

text
项目目录已创建:
- src
- models
- data/input
- outputs

执行后可以直接把待处理图片放进 data/input,把 Python 或 C++ 源码放进 src。如果当前项目不需要模型,models 可以保留为空,也可以暂时不创建。

在代码里坚持相对路径

建议让程序从项目根目录启动,并把输入写成 Path("data/input") / "sample.jpg",输出写成 Path("outputs") / "sample_gray.jpg"。这样换机器或移动项目目录时,不需要修改用户目录、盘符等绝对路径。

如果程序可能从不同工作目录启动,应先确定项目根目录,再基于根目录拼接路径,而不是依赖当前终端位置。路径规则一旦统一,读取失败时也更容易判断究竟是文件不存在,还是程序启动位置不对。

输入和输出不要混放

最重要的边界是不要把处理结果保存回 data/input。例如读取 sample.jpg 后,灰度图应写到 outputs/sample_gray.jpg,而不是覆盖原图。批处理任务还可以在 outputs 下按运行批次建立子目录,便于比较不同参数的结果。

当代码、模型、输入和输出各自有稳定位置后,OpenCV 项目的读写路径会更可预测,清理结果、替换素材或更新模型时也不会相互影响。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

组织项目目录

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通