在Tensorflow中使用32位Lab圖像

Question

我正在使用skimage將RGB圖像轉換為Lab顏色空間，但似乎skimage使用float64數據類型，而Tensorflow使用float32 。

有沒有辦法將64位Lab圖像轉換為32位數據類型？ 文檔沒有涵蓋任何具體的內容，我不確定使用image.astype(np.float32)是否image.astype(np.float32) ，因為它可能會損壞數據精度（或不）。

這是代碼的一部分：

from skimage import color, io
import numpy as np    

rgb = io.imread('Test.jpg') # Could be any shape
lab = color.rgb2lab(rgb)

converted = np.array(lab).astype(np.float32)
rgb = color.lab2rgb(converted)

最后一行給出了一個錯誤：

ValueError: Images of type float must be between -1 and 1.

這是堆棧跟蹤：

  File "C:\Anaconda3\lib\site-packages\skimage\color\colorconv.py", line 928, in lab2rgb
    return xyz2rgb(lab2xyz(lab))
  File "C:\Anaconda3\lib\site-packages\skimage\color\colorconv.py", line 855, in lab2xyz
    arr = _prepare_colorarray(lab).copy()
  File "C:\Anaconda3\lib\site-packages\skimage\color\colorconv.py", line 153, in _prepare_colorarray
    return dtype.img_as_float(arr)
  File "C:\Anaconda3\lib\site-packages\skimage\util\dtype.py", line 291, in img_as_float
    return convert(image, np.float64, force_copy)
  File "C:\Anaconda3\lib\site-packages\skimage\util\dtype.py", line 195, in convert
    raise ValueError("Images of type float must be between -1 and 1.")
ValueError: Images of type float must be between -1 and 1.

Answer 1

使用x.astype(np.float32)是完全可以接受的。 你很少需要那么高的准確度。

但是，如果您不小心，可能會意外地將整數圖像（例如，無符號字節，從0到255）轉換為float。 因此，最安全的方法，將根據需要重新調整，是

from skimage import img_as_float
image = img_as_float(image).astype(np.float32)

Answer 2

這是一個難以追查的錯誤。

如果你正在使用float32，那么你會得到你所描述的錯誤; 但是，如果您使用float64值，錯誤將消失。

希望有所幫助！ :)

已知錯誤來源： Scikit-image問題