图像数据加载

[源代码]

image_dataset_from_directory 函数

tf_keras.utils.image_dataset_from_directory(
    directory,
    labels="inferred",
    label_mode="int",
    class_names=None,
    color_mode="rgb",
    batch_size=32,
    image_size=(256, 256),
    shuffle=True,
    seed=None,
    validation_split=None,
    subset=None,
    interpolation="bilinear",
    follow_links=False,
    crop_to_aspect_ratio=False,
    **kwargs
)

从目录中的图像文件生成一个 tf.data.Dataset。

如果你的目录结构是

main_directory/
...class_a/
......a_image_1.jpg
......a_image_2.jpg
...class_b/
......b_image_1.jpg
......b_image_2.jpg

然后调用 image_dataset_from_directory(main_directory, labels='inferred') 将返回一个 tf.data.Dataset，该数据集将生成来自子目录 class_a 和 class_b 的图像批次，以及标签 0 和 1（0 对应 class_a，1 对应 class_b）。

支持的图像格式：.jpeg, .jpg, .png, .bmp, .gif。动画 GIF 会被截断为第一帧。

参数

• directory：数据所在目录。如果 labels 为 "inferred"，则该目录应包含子目录，每个子目录包含一个类别的图像。否则，将忽略目录结构。
• labels：可以是 "inferred"（标签从目录结构推断生成）、None（无标签）或一个整数标签列表/元组，其大小与目录中找到的图像文件数量相同。标签应根据图像文件路径的字母数字顺序排序（在 Python 中通过 os.walk(directory) 获取）。
• label_mode：描述 labels 编码的字符串。选项有：
  • "int"：表示标签编码为整数（例如，用于 sparse_categorical_crossentropy 损失）。
  • "categorical" 表示标签被编码为分类向量（例如，用于 categorical_crossentropy 损失）。
  • "binary"：表示标签（只能有两个）编码为 float32 标量，值为 0 或 1（例如，用于 binary_crossentropy）。
  • None（无标签）。
• class_names：仅当 labels 为 "inferred" 时有效。这是类别名称的显式列表（必须与子目录的名称匹配）。用于控制类别的顺序（否则使用字母数字顺序）。
• color_mode：可以是 "grayscale"（灰度）、"rgb"（RGB）或 "rgba"（RGBA）。默认为 "rgb"。图像将被转换为 1、3 或 4 个通道。
• batch_size：数据批次的大小。如果为 None，则数据不会分批（数据集将生成单个样本）。默认为 32。
• image_size：读取图像后要调整到的图像大小，指定为 (height, width)。由于管道会处理必须大小相同的图像批次，因此必须提供此参数。默认为 (256, 256)。
• shuffle：是否打乱数据。默认为 True。如果设置为 False，则按字母数字顺序排序数据。
• seed：用于打乱和转换的可选随机种子。
• validation_split：可选的 0 到 1 之间的浮点数，用于验证的数据比例。
• subset：要返回的数据子集。可以是 "training"（训练集）、"validation"（验证集）或 "both"（两者）。仅当设置了 validation_split 时才使用。当 subset="both" 时，该实用程序返回一个包含两个数据集的元组（分别为训练集和验证集）。
• interpolation：字符串，调整图像大小时使用的插值方法。默认为 "bilinear"。支持 "bilinear"、"nearest"（最近邻）、"bicubic"（双三次）、"area"（区域）、"lanczos3"、"lanczos5"、"gaussian"（高斯）、"mitchellcubic"。默认值为 "bilinear"。
• follow_links：是否访问符号链接指向的子目录。默认为 False。
• crop_to_aspect_ratio：如果为 True，则在调整图像大小时不考虑纵横比失真。当原始纵横比与目标纵横比不同时，图像将被裁剪，以便在图像中返回与目标纵横比匹配的最大可能窗口（大小为 image_size）。默认情况下（crop_to_aspect_ratio=False），可能不会保留纵横比。
• **kwargs：旧的关键字参数。

返回

一个 tf.data.Dataset 对象。

• 如果 label_mode 为 None，则生成形状为 (batch_size, image_size[0], image_size[1], num_channels) 的 float32 张量，编码图像（有关 num_channels 的规则，请参见下文）。
• 否则，将生成一个元组 (images, labels)，其中 images 的形状为 (batch_size, image_size[0], image_size[1], num_channels)，labels 遵循下面描述的格式。

标签格式规则

• 如果 label_mode 为 "int"，则标签是形状为 (batch_size,) 的 int32 张量。
• 如果 label_mode 为 "binary"，则标签是形状为 (batch_size, 1) 的 1 和 0 的 float32 张量。
• 如果 label_mode 为 "categorical"，则标签是形状为 (batch_size, num_classes) 的 float32 张量，表示类索引的独热编码。

关于生成图像通道数的规则

• 如果 color_mode 为 "grayscale"，则图像张量有 1 个通道。
• 如果 color_mode 为 "rgb"，则图像张量有 3 个通道。
• 如果 color_mode 为 "rgba"，则图像张量有 4 个通道。

[源代码]

load_img 函数

tf_keras.utils.load_img(
    path,
    grayscale=False,
    color_mode="rgb",
    target_size=None,
    interpolation="nearest",
    keep_aspect_ratio=False,
)

将图像加载为 PIL 格式。

用法

image = tf.keras.utils.load_img(image_path)
input_arr = tf.keras.utils.img_to_array(image)
input_arr = np.array([input_arr])  # Convert single image to a batch.
predictions = model.predict(input_arr)

参数

• path：图像文件的路径。
• grayscale：已弃用，请使用 color_mode="grayscale"。
• color_mode：可以是 "grayscale"（灰度）、"rgb"（RGB）或 "rgba"（RGBA）。默认为 "rgb"。所需的图像格式。
• target_size：可以是 None（默认情况下为原始大小）或整数元组 (img_height, img_width)。
• interpolation：如果目标大小与加载的图像不同，用于重采样图像的插值方法。支持的方法有 "nearest"（最近邻）、"bilinear"（双线性）和 "bicubic"（双三次）。如果安装了 PIL 版本 1.1.3 或更高版本，也支持 "lanczos"。如果安装了 PIL 版本 3.4.0 或更高版本，也支持 "box"（盒式）和 "hamming"（汉明）。默认情况下，使用 "nearest"。
• keep_aspect_ratio：布尔值，是否在调整图像大小时保持纵横比不变。图像在中心以目标纵横比进行裁剪，然后再调整大小。

返回

一个 PIL Image 实例。

引发

• ImportError：如果 PIL 未安装。
• ValueError：如果插值方法不受支持。

[源代码]

img_to_array 函数

tf_keras.utils.img_to_array(img, data_format=None, dtype=None)

将 PIL Image 实例转换为 Numpy 数组。

用法

from PIL import Image
img_data = np.random.random(size=(100, 100, 3))
img = tf.keras.utils.array_to_img(img_data)
array = tf.keras.utils.image.img_to_array(img)

参数

• img：输入的 PIL Image 实例。
• data_format：图像数据格式，可以是 "channels_first"（通道在前）或 "channels_last"（通道在后）。None 表示使用全局设置 tf.keras.backend.image_data_format()（除非您更改了它，否则它使用 "channels_last"）。默认为 None。
• dtype：要使用的数据类型。None 表示使用全局设置 tf.keras.backend.floatx()（除非您更改了它，否则它使用 "float32"）。默认为 None。

返回

一个 3D Numpy 数组。

引发

• ValueError：如果传递了无效的 img 或 data_format。

[源代码]

save_img 函数

tf_keras.utils.save_img(
    path, x, data_format=None, file_format=None, scale=True, **kwargs
)

将存储为 Numpy 数组的图像保存到路径或文件对象。

参数

• path：路径或文件对象。
• x：Numpy 数组。
• data_format：图像数据格式，可以是 "channels_first"（通道在前）或 "channels_last"（通道在后）。
• file_format：可选的文件格式覆盖。如果省略，则根据文件名扩展名确定要使用的格式。如果使用了文件对象而不是文件名，则应始终使用此参数。
• scale：是否将图像值重新缩放到 [0, 255] 范围内。
• **kwargs：传递给 PIL.Image.save() 的其他关键字参数。