本文主要是介绍详解Keras:keras.preprocessing.image，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
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 += 1if 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
这篇关于详解Keras:keras.preprocessing.image的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
