在说明python读取mat文件之前需要强调2点：
读取的时候需要注意读出来的shape是什么样的，是否符合自己的预期，如果shape不是自己预期的那样，就需要用np.transpose(mat, [x, x, x])进行修正。
读取的时候需要注意取值范围，也就是最大值，因为在作为训练数据的时候需要首先进行归一化（避免无法收敛），而不同的mat文件的最大值是不一样的，有0-1、0-255、0-212、0-216。
python实现mat文件的读取主要有3个函数：
import scipy.io as io imgpath = r"E:\shujuji\CAVE\CAVE_mat\balloons_ms.mat" mat = io.loadmat(imgpath)['rad']
import h5py imgpath = r"E:\shujuji\CAVE\CAVE_mat\balloons_ms.mat" mat = h5py.File(imgpath, 'r')['rad']
import hdf5storage as hdf5 imgpath = r"E:\shujuji\CAVE\CAVE_mat\balloons_ms.mat" mat = hdf5.loadmat(imgpath)['rad']
这里推荐使用第三种，也就是使用hdf5storage库进行读取，原因在于前两种与保存该mat文件时所用matlab的版本有关（7.3），也就是说一个mat文件要么能用scipy.io读，要么能用h5py能读。
而hdf5storage就不存在这个问题，一般的mat文件都能读取。
再就是使用不同函数读取时的shape不一致，容易搞乱，使用hdf5storage读取的shape和cv2.imread()读取RGB时的shape一致，方便处理。
python实现mat文件的保存同样建议使用hdf5storage（好像scipy也可）：
hdf5storage.savemat(r"output\balloons_ms.mat", {'cube': mat}, format='7.3')
hdf5storage.savemat(r"output\balloons_ms.mat", {'rgb': rgb}, format='7.3')使用hdf5storage保存时mat的shape是什么样的，用它读出来也就是什么样的，比较方便。
所以建议读取和保存都使用hdf5storage。
从网上下载的数据集可能是保存为.mat文件的，保存着很多图片
我们先来看一下本次实验所需要的.mat文件，主要结构体为dataset，包含3个字段，分别是train，test，mapping
其中test是11的
train和test下分别还有三个字段，分别是images,labels,writers
其中test下的labels是208001的
1.首先我们先加载对应的模块，并用这个模块加载对应的.mat文件
from scipy.io import loadmat X = loadmat(r"letters.mat")
注：这里的路径需要修改
2.然后读取结构体dataset
data_all = X['dataset']
3.读取结构体下test下三个字段
#此处仅读取嵌套结构体下的test，还不是存储的数据
data = data_all[0,0]['test']
print('data.shape',data.shape)
#此处读取真正存储数据
data_labels = data[0,0]['labels']
print('data_labels.shape',data_labels.shape)
结果为：
证明正确读取嵌套结构体的.mat文件
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
