Keras 顯示來自數據生成器的圖像

Question

我正在為 keras 使用圖像生成器，如下所示：

val_generator = datagen.flow_from_directory(
        path+'/valid',
        target_size=(224, 224),
        batch_size=batch_size,)

x,y = val_generator.next()
for i in range(0,1):
    image = x[i]
    plt.imshow(image.transpose(2,1,0))
    plt.show()

這顯示錯誤的顏色：

我有兩個問題。

1. 如何解決問題

2. 如何獲取文件的文件名（以便我可以自己從 matplotlib 之類的東西中讀取它）

編輯：這就是我的 datagen 的樣子

datagen = ImageDataGenerator(
    rotation_range=3,
#     featurewise_std_normalization=True,
    fill_mode='nearest',
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True
)

編輯2：

在遵循 Marcin 的回答之后：

image = 255 - image

我得到了正常的顏色，但仍然有一些奇怪的顏色：

Answer 1

您的圖像數組的 dtype 是 'float32'，只需將其轉換為 'uint8'：

plt.imshow(image.astype('uint8'))

Answer 2

我遇到了與 OP 相同的問題，並通過將像素從 0-255 重新縮放到 0-1 來解決它。

Keras 的 ImageDataGenerator 采用“rescale”參數，我將其設置為 (1/255)。 這產生了具有預期顏色的圖像

image_gen = ImageDataGenerator(rescale=(1/255))

Answer 3

1. 至少有三種方法可以獲得這種扭曲的顏色。 所以：

   • 一種選擇是您需要像在這個問題中那樣切換顏色順序。
   • 其次，您可能會將圖片制作成負片（每個通道都經過255 - x轉換），這在使用某些 GIS 庫時有時會發生。
   • 您還可以使用score/255轉換。

   您需要檢查在您的情況下發生了哪些選項。

2. 為了自己獲取圖像，我通常使用（當您的文件夾具有適用於flow_from_directory的格式時）我通常使用os.listdir和os.path.join的混合：

    list_of_labels = os.listdir(path_to_dir_with_label_dirs) for label in list_of_labels: current_label_dir_path = os.path.join(path_to_dir_with_label_dirs, label list_of_images = os.listdir(current_label_dir_path) for image in list_of_images: current_image_path = os.path.join(current_label_dir_path, image) image = open(current_image_path) # use the function which you want.

Answer 4

顏色問題比較奇怪。 一旦我可以訪問我的 linux 機器，我將嘗試重現它。

對於問題的文件名部分，我想對 Keras 源代碼進行一個小改動：

你可能想看看這個文件： https : //github.com/fchollet/keras/blob/master/keras/preprocessing/image.py它包含圖像預處理例程。

查看第 820 行， DirectoryIterator的next()函數：調用該函數以從目錄中獲取新圖像。

在該函數內部，查看第 838 行，如果save_to_dir已設置為路徑，則生成器會將增強圖像輸出到此路徑，以用於調試目的。 增強圖像的名稱是索引和哈希的混合。 對你沒用。

但是您可以很容易地更改代碼：

filenames=[] #<-------------------------------------------- new code
for i, j in enumerate(index_array):
    fname = self.filenames[j]
    img = load_img(os.path.join(self.directory, fname),
                   grayscale=grayscale,
                   target_size=self.target_size)
    x = img_to_array(img, dim_ordering=self.dim_ordering)
    x = self.image_data_generator.random_transform(x)
    x = self.image_data_generator.standardize(x)

    filenames.append(fname) # <-----------------------------store the used image's name
    batch_x[i] = x
# optionally save augmented images to disk for debugging purposes
if self.save_to_dir:
    for i in range(current_batch_size):
        img = array_to_img(batch_x[i], self.dim_ordering, scale=True)
        #fname = '{prefix}_{index}_{hash}.{format}'.format(prefix=self.save_prefix,
        #                                                  index=current_index + i,
        #                                                  hash=np.random.randint(1e4),
        #                                                  format=self.save_format)
        fname=filenames[i] # <------------------------------ use the stored code instead
        img.save(os.path.join(self.save_to_dir, fname))

現在增強圖像以原始文件名保存。

這應該允許您以原始文件名保存圖像。 好的，您實際上如何將其注入 Keras 源？

像這樣做：

1. 克隆 Keras： git clone https://github.com/fchollet/keras
2. 轉到我上面鏈接的源文件。 做出改變。
3. 欺騙你的 python 代碼以導入更改后的代碼而不是 pip 安裝的版本。

.

# this is the path to the cloned repository
# if you cloned it next to your script
# then just use keras/
# if it's one folder above
# then use ../keras/
sys.path.insert(0, os.getcwd() + "/path/to/keras/")

import keras

現在DirectoryIterator是您的修補版本。

我希望這有效，我目前在 Windows 上。 我的 python 堆棧僅在 linux 機器上。 可能有一個小的語法錯誤。

Answer 5

from skimage import io

def imshow(image_RGB):
  io.imshow(image_RGB)
  io.show()

x,y = train_generator.next()

for i in range(0,11):
    image = x[i]
    imshow(image)

這個對我有用。

Answer 6

如果您使用test_batches=Imagedatagenerator().flow from directory，請提供一點建議。 如果您使用它來提供預測生成器，請確保設置shuffle=false以保持文件和相關預測之間的相關性。 如果您在目錄中有數字標記的文件，例如1.jpg 、 2.jpg等。圖像不會像您想象的那樣獲取。 它們按以下順序獲取： 1.jpg 、 10.jpg 、 2.jpg 、 20.jpg等。這使得很難將預測與特定文件相匹配。 您可以通過使用 0 的填充來解決此問題，例如01.jpg 、 02.jpg等。在問題的第二部分“我如何獲取生成器生成的文件，您可以按如下方式獲取這些文件：

for file in datagen.filenames:
        file_names.append(file)