图像数据加载

[源代码]

image_dataset_from_directory 函数

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,
    pad_to_aspect_ratio=False,
    data_format=None,
    verbose=True,
)

从目录中的图像文件生成 tf.data.Dataset 对象。

如果您的目录结构是

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 对象，该对象会从子目录 class_a 和 class_b 中产生图像批次，并带有标签 0 和 1（0 对应于 class_a，1 对应于 class_b）。

支持的图像格式：.jpeg、.jpg、.png、.bmp、.gif。动图会被截断到第一帧。

参数

• directory：数据所在的目录。如果 labels 是 "inferred"，它应该包含子目录，每个子目录包含一个类的图像。否则，目录结构将被忽略。
• labels：可以是 "inferred"（标签从目录结构推断生成）、None（无标签），或者一个列表/元组的整数标签，其大小与目录中找到的图像文件数量相同。标签应按图像文件路径的字母数字顺序排序（通过 Python 中的 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。这是类名的显式列表（必须与子目录名称匹配）。用于控制类的顺序（否则使用字母数字顺序）。
• color_mode：选项之一："grayscale"（灰度）、"rgb"（RGB）、"rgba"（RGBA）。表示图像是否会转换为 1、3 或 4 个通道。默认为 "rgb"。
• batch_size：数据批次的大小。默认为 32。如果为 None，数据将不会分批（数据集将生成单个样本）。
• image_size：从磁盘读取图像后要调整到的尺寸，指定为 (height, width)。由于管道处理的图像批次必须都具有相同的大小，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，则按字母数字顺序对数据进行排序。
• seed：用于打乱和变换的可选随机种子。
• validation_split：可选的介于 0 和 1 之间的浮点数，表示用于验证的数据比例。
• subset：要返回的数据子集。选项之一："training"（训练集）、"validation"（验证集）或 "both"（两者）。仅在设置了 validation_split 时使用。当 subset="both" 时，该实用工具返回包含两个数据集的元组（分别是训练集和验证集）。
• interpolation：字符串，调整图像大小时使用的插值方法。支持 "bilinear"、"nearest"、"bicubic"、"area"、"lanczos3"、"lanczos5"、"gaussian"、"mitchellcubic"。默认为 "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，则在不失真宽高比的情况下调整图像大小。当原始宽高比与目标宽高比不同时，输出图像将被裁剪，以便返回图像中与目标宽高比匹配的、尺寸最大的可能窗口（尺寸为 image_size）。默认情况下（crop_to_aspect_ratio=False），可能不会保留宽高比。
• pad_to_aspect_ratio：如果为 True，则在不失真宽高比的情况下调整图像大小。当原始宽高比与目标宽高比不同时，输出图像将被填充，以便返回图像中与目标宽高比匹配的、尺寸最大的可能窗口（尺寸为 image_size）。默认情况下（pad_to_aspect_ratio=False），可能不会保留宽高比。
• data_format：如果为 None，则使用 keras.config.image_data_format()，否则为 'channel_last' 或 'channel_first'。
• verbose：是否显示关于类和找到的文件数量的信息。默认为 True。

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（关于 num_channels 的规则见下文）。
• 否则，它会生成一个元组 (images, labels)，其中 images 的形状为 (batch_size, image_size[0], image_size[1], num_channels)，而 labels 遵循下文描述的格式。

关于标签格式的规则

• 如果 label_mode 为 "int"，标签是一个形状为 (batch_size,) 的 int32 张量。
• 如果 label_mode 为 "binary"，标签是一个由 1 和 0 组成的 float32 张量，形状为 (batch_size, 1)。
• 如果 label_mode 为 "categorical"，标签是一个形状为 (batch_size, num_classes) 的 float32 张量，表示类别的独热编码。

关于生成的图像通道数的规则

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

[源代码]

load_img 函数

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

将图像加载为 PIL 格式。

示例

image = keras.utils.load_img(image_path)
input_arr = 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。
• color_mode：选项之一："grayscale"（灰度）、"rgb"（RGB）、"rgba"（RGBA）。默认值："rgb"。所需的图像格式。
• target_size：可以是 None（默认为原始尺寸）或整数元组 (img_height, img_width)。
• interpolation：如果目标尺寸与加载图像的尺寸不同，用于重新采样图像的插值方法。支持的方法有 "nearest"、"bilinear" 和 "bicubic"。如果安装了 PIL 1.1.3 或更高版本，也支持 "lanczos"。如果安装了 PIL 3.4.0 或更高版本，也支持 "box" 和 "hamming"。默认使用 "nearest"。
• keep_aspect_ratio：布尔值，是否在不失真宽高比的情况下将图像调整到目标尺寸。调整大小前，会根据目标宽高比在图像中心进行裁剪。

返回

一个 PIL Image 实例。

[源代码]

img_to_array 函数

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

将 PIL Image 实例转换为 NumPy 数组。

示例

from PIL import Image
img_data = np.random.random(size=(100, 100, 3))
img = keras.utils.array_to_img(img_data)
array = 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"（通道优先）或 "channels_last"（通道靠后）。默认为 None，在这种情况下使用全局设置 keras.backend.image_data_format()（除非您更改过，否则默认为 "channels_last"）。
• dtype：要使用的数据类型。None 表示使用全局设置 keras.backend.floatx()（除非您更改过，否则默认为 "float32"）。

返回

一个 3D NumPy 数组。

[源代码]

save_img 函数

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"（通道优先）或 "channels_last"（通道靠后）。
• file_format：可选的文件格式覆盖。如果省略，使用的格式将从文件名扩展名确定。如果使用文件对象而不是文件名，应始终使用此参数。
• scale：是否将图像值缩放到 [0, 255] 范围内。
• **kwargs：传递给 PIL.Image.save() 的额外关键字参数。

[源代码]

array_to_img 函数

keras.utils.array_to_img(x, data_format=None, scale=True, dtype=None)

将 3D NumPy 数组转换为 PIL Image 实例。

示例

from PIL import Image
img = np.random.random(size=(100, 100, 3))
pil_img = keras.utils.array_to_img(img)

参数

• x：输入数据，可以是任何可以转换为 NumPy 数组的形式。
• data_format：图像数据格式，可以是 "channels_first"（通道优先）或 "channels_last"（通道靠后）。默认为 None，在这种情况下使用全局设置 keras.backend.image_data_format()（除非您更改过，否则默认为 "channels_last"）。
• scale：是否缩放图像，使其最小值和最大值分别为 0 和 255。默认为 True。
• dtype：要使用的数据类型。None 表示使用全局设置 keras.backend.floatx()（除非您更改过，否则默认为 "float32"）。默认为 None。

返回

一个 PIL Image 实例。