详解Keras:keras.preprocessing.image

发布时间:2024年01月06日

keras.preprocessing.image

?Keras 库中的一个模块,用于处理和增强图像数据,它提供了一些实用的函数,如图像的加载、预处理、增强等。

常用函数?

1、load_img

用于加载图像文件,并返回一个 NumPy 数组表示该图像

示例
from keras.preprocessing.image import load_img,load_img,array_to_img
import numpy as np

#从指定路径加载图像,并将其调整为指定的大小(默认为 (224, 224))
img = image.load_img('test.jpg', target_size=(224, 224))

2、img_to_array

将图像转换为 NumPy 数组。

示例
from keras.preprocessing.image import load_img,load_img,array_to_img
import numpy as np

# 加载图像并调整大小
img = image.load_img('example.jpg', target_size=(224, 224))

# 将 PIL 图像转换为 numpy 数组
x = image.img_to_array(img)

?3、array_to_img

将 numpy 数组或 PIL 图像转换为 PIL 图像。

示例
from keras.preprocessing.image import load_img,load_img,array_to_img

# 加载图像并调整大小
img = load_img('example.jpg', target_size=(224, 224))

# 将 PIL 图像转换为 numpy 数组
x = img_to_array(img)

# 将 numpy 数组转换为 PIL 图像
y = array_to_img(x)

4、ImageDataGenerator?

用于数据增强的类,可以对图像进行旋转、缩放、平移、翻转等操作。

示例1
# 导入Keras的ImageDataGenerator模块,用于数据增强
from keras.preprocessing.image import ImageDataGenerator

# 创建一个ImageDataGenerator对象,设置各种数据增强参数
datagen = ImageDataGenerator(
    rotation_range=40,  # 随机旋转的角度范围
    width_shift_range=0.2,  # 水平平移的范围
    height_shift_range=0.2,  # 垂直平移的范围
    shear_range=0.2,  # 剪切强度
    zoom_range=0.2,  # 随机缩放的范围
    horizontal_flip=True,  # 是否进行水平翻转
    fill_mode='nearest'  # 填充新创建像素的方法
)


#使用flow_from_directory方法从指定的目录中读取图像数据
#并将其传递给ImageDataGenerator对象进行处理
train_generator = datagen.flow_from_directory(
    'path/train/data',  #训练数据的目录
    target_size=(150, 150),  #将所有图像调整为150x150大小
    batch_size=32,  #每个批次包含32个图像
    class_mode='binary'  #对于多分类问题使用 'categorical',对于二元分类问题使用 'binary',对于无标签问题使用 None  
)


#使用生成器对象来训练模型
model.fit_generator(
    train_generator,
    steps_per_epoch=2000,  # 每个epoch需要遍历的批次数
    epochs=50  # 训练的总轮数
)




注:

  • flow_from_directory方法中的target_size参数需要与模型输入层的大小相匹
示例2?
from keras.preprocessing.image import ImageDataGenerator,load_img, img_to_array

# 创建一个ImageDataGenerator实例
datagen = ImageDataGenerator(
    rotation_range=40,  # 随机旋转的角度范围
    width_shift_range=0.2,  # 水平平移的范围
    height_shift_range=0.2,  # 垂直平移的范围
    shear_range=0.2,  # 剪切强度
    zoom_range=0.2,  # 随机缩放的范围
    horizontal_flip=True,  # 是否进行水平翻转
    fill_mode='nearest'  # 填充新创建像素的方法
)

# 加载图像数据
img = load_img('input.jpg')
x = img_to_array(img)  # 将其转换为NumPy数组的形状(3, 150, 150)
x = x.reshape((1,) + x.shape)  # 将其重新整形为(1, 3, 150, 150)

# 使用ImageDataGenerator生成增强后的图像
i = 0
for batch in datagen.flow(x, batch_size=1, save_to_dir='preview', save_prefix='img', save_format='jpeg'):
    i += 1
    if i > 20:
        break  #增强图像数量20张

注:

  • save_to_dir:指定保存生成的图像的目录。如果该目录不存在,Keras将自动创建它。
  • save_prefix:指定保存的图像的前缀。每个生成的图像都将以其前缀命名。
  • save_format:指定保存的图像的格式。默认情况下,Keras将保存为JPEG格式的图像
文章来源:https://blog.csdn.net/lymake/article/details/135432413
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。