Копирование содержимого изображения в оттенках серого на 3 канала

Question

Копирование содержимого изображения в оттенках серого на 3 канала

1

Я загружаю изображения серой шкалы партиями с помощью ImageDataGenerator. Мне нужно скопировать содержимое каждого изображения шкалы серого в 3 канала. Я пробовал следующий код, но кажется, что он не работает:

def grayscale_to_rgb(images, channel_axis=-1):
images= K.expand_dims(images, axis=channel_axis)
tiling = [1] * 4    # 4 dimensions: B, H, W, C
tiling[channel_axis] *= 3
images= K.tile(images, tiling)
return images




train_images_orign= grayscale_to_rgb(train_images_orign)
valid_images_orign= grayscale_to_rgb(valid_images_orign)
test_images_orign= grayscale_to_rgb(test_images_orign)

x_train, y_train = next(train_images_orign)
x_valid, y_valid = next(valid_images_orign)
x_test, y_test = next(test_images_orign)

В каком направлении я должен попытаться это сделать?

Pervaiz Niazi 25 сен. 2018, в 19:59

Источник

Теги:

python

tensorflow

keras

deep-learning

3 ответа

Ещё вопросы

today · Answer 1 · 2018-09-25T16-35-00.000Z

Обновление. Оказывается, что функция load_img в load_img реализована таким образом, что если цветовой режим загружаемого изображения и заданный аргумент color_mode (который по умолчанию равен 'RGB'), то оно будет преобразовано в заданный color_mode. В результате в этом случае изображение в градациях серого будет автоматически преобразовано в RGB.

Вы также можете использовать аргумент preprocessing_function для ImageDataGenerator (при условии, что вы используете color_mode='grayscale', в противном случае применяется примечание выше):

import numpy as np

def gray_to_rgb(img):
    return np.repeat(img, 3, 2)

generator = ImageDataGenerator(..., preprocessing_function=gray_to_rgb)
train_gen = generator.flow_from_directory(color_mode='grayscale', ...)

Просто обратите внимание, что эта функция применяется после любого увеличения изображения:

preprocessing_function: функция, которая будет подразумеваться на каждом входе. Функция будет работать после изменения размера изображения и его увеличения. Функция должна принимать один аргумент: одно изображение (тензор Numpy с рангом 3) и должно выводить тензор Numpy с одинаковой формой.

Теперь я получаю сообщение об ошибке: ValueError: не удалось передать входной массив из формы (227,227,9) в форму (227,227,3)
Я напечатал форму, и это было (227,227,3). Причиной этого является то, что по умолчанию ImageDataGenerator преобразует серый масштаб в RGB. Так что на самом деле мне нечего было делать.
@PervaizNiazi Вы правы. load_img реализован таким образом, что если цветовой режим изображения и аргумент color_mode (по умолчанию это RGB), он будет автоматически преобразован в color_mode . Однако я не знаю, какой метод преобразования используется для преобразования градаций серого в RGB в модуле PIL (который используется для загрузки изображений в Keras).
@ Сегодня вы можете поделиться своим кодом, когда вы закончите!
@devssh нам не нужно ничего менять, так как ImageDataGenerator по умолчанию преобразует оттенки серого в RGB. В моем случае все изображения имеют оттенки серого. Ниже приведен код: trainpath = 'C: / Users / наборы данных / train' train_images_orign = ImageDataGenerator (). Flow_from_directory (trainpath, target_size = (224,224), классы = ['Memo', 'Scientific', 'Resume'], batch_size = 64)

pitfall · Answer 2 · 2018-09-26T03-46-00.000Z

Я думаю, что у меня есть лучшее решение, которое заключается в том, чтобы написать оберточный слой

class MyPreprocess( Layer ) :
    def call( self, inputs ) :
        # expand your input from gray scale to rgb
        # if your inputs.shape = (None,None,1)
        fake_rgb = K.concatenate( [inputs for i in range(3)], axis=-1 ) 
        fake_rgb = K.cast( fake_rgb, 'float32' )
        # else use K.stack( [inputs for i in range(3)], axis=-1 ) 
        # preprocess for uint8 image
        x = preprocess_input( fake_rgb )
        return x
    def compute_output_shape( self, input_shape ) :
        return input_shape[:3] + (3,)


gray_in = Input(shape=(None,None,1), name='gray_uint8')
tensor_in = MyPreprocess(name='preproc')( gray_in )
pred_out = PretrainedModel( tensor_in )
new_model = Model( inputs=gray_in, outputs=pred_out )

Таким образом, new_model может быть непосредственно использован для прогнозирования изображения unit8.

devssh · Answer 3 · 2018-09-25T15-08-00.000Z

У меня нет прямого способа конвертировать его с помощью ImageDataGenerator, но у меня была такая же проблема несколько дней назад, и косвенно вы можете использовать opencv2 для преобразования его в rgb, тогда я прочитал его с использованием imageio to numpy.

import cv2
cv2.imread('path/to/img/a.png') # look at glob for reading from folder
cv2.cvtColor(gray,cv2.COLOR_GRAY2RGB)
cv2.imwrite('path/to/output/a.png')

import imageio
import skimage.transform as transform

image_size = 64
dimensions=4
array = []
for image_path in glob.glob("path/to/output/*.png"):
    try:
        im = imageio.imread(image_path)
        array = [*array, transform.resize(im, (image_size, image_size, dimensions))]
        array_names = [*array_names, image_path.split("output/")[1].split(".png")[0]]
    except ValueError:
        ""

np.array(array).shape

Expand_dims можно использовать следующим образом с помощью методов-методах tenorflow 1.10.1, которые тесно связаны с ImageDataGenerator, чтобы сделать то же самое, но вам придется каким-то образом преобразовать его из gray2rgb, что может улучшить этот ответ.

preprocess_input = tf.keras.applications.resnet50.preprocess_input
preds = model.predict(preprocess_input(np.expand_dims(array[0], axis=0))) # where model is some keras model

Для декодирования вывода потребуется следующее:

decode_predictions = tf.keras.applications.resnet50.decode_predictions
decode_predictions(preds, top=3)

Если это не решит вашу проблему или по крайней мере предоставит шаблон для решений, оставьте комментарий, и я обновлю его соответственно :)