Keras 图像预处理 - Python

Keras 是一个高级神经网络库，提供了一系列工具和模块用于构建和训练神经网络模型。图像处理是深度学习中非常重要的一部分，Keras 提供了一些常用的图像预处理工具，可以帮助我们在数据集上进行数据增强、标准化等操作。

加载图像数据

在使用 Keras 进行图像分类任务时，我们通常需要加载图像数据集。Keras 提供了一个非常方便的函数 ImageDataGenerator，可以用于对图像进行加载，并进行数据增强操作。

from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 定义图像预处理器
train_datagen = ImageDataGenerator(
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

# 加载训练数据集
train_generator = train_datagen.flow_from_directory(
    'train',
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary')

参数说明：

• rescale: 图像缩放参数，将图像像素值标准化到 0 到 1 之间。
• shear_range: 图像错切变换参数，可以使图像扭曲或压缩。
• zoom_range: 图像缩放参数，可以对图像进行缩放操作。
• horizontal_flip: 随机对图像进行水平翻转操作。
• target_size: 将图像缩放到的目标大小。
• batch_size: 每次输入的图像数量。
• class_mode: 图像分类模式，'binary' 表示二分类，'categorical' 表示多分类。

图像增强

在使用 Keras 进行图像分类任务时，我们通常需要对图像进行数据增强操作，以使模型更加稳健和准确。下面介绍一些常用的图像增强操作。

随机旋转

from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 定义图像预处理器
train_datagen = ImageDataGenerator(
    rescale=1./255,
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True)

# 加载训练数据集
train_generator = train_datagen.flow_from_directory(
    'train',
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary')

参数说明：

• rotation_range: 随机旋转角度范围。
• width_shift_range: 水平方向平移范围。
• height_shift_range: 垂直方向平移范围。
• horizontal_flip: 随机对图像进行水平翻转操作。

随机裁剪

from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 定义图像预处理器
train_datagen = ImageDataGenerator(
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True,
    fill_mode='nearest')

# 加载训练数据集
train_generator = train_datagen.flow_from_directory(
    'train',
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary')

参数说明：

• shear_range: 随机错切变换角度范围。
• zoom_range: 随机缩放范围。
• width_shift_range: 水平方向随机移动的范围。
• height_shift_range: 垂直方向随机移动的范围。
• horizontal_flip: 随机对图像进行水平翻转操作。
• fill_mode: 填充模式，可以选择使用最接近的像素填充。

图像标准化

在进行深度学习任务时，我们通常需要对图像进行标准化操作，以使图像的像素值服从标准正态分布。

from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 定义图像预处理器
train_datagen = ImageDataGenerator(
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

# 加载训练数据集
train_generator = train_datagen.flow_from_directory(
    'train',
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary')

# 加载测试数据集
test_datagen = ImageDataGenerator(rescale=1./255)
test_generator = test_datagen.flow_from_directory(
    'test',
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary')

参数说明：

• rescale: 图像缩放参数，将图像像素值标准化到 0 到 1 之间。在训练集和测试集上都需要使用。

总结

本文介绍了 Keras 图像预处理的几个常用操作，包括图像加载、数据增强和标准化。通过使用这些工具，我们可以有效地提高模型的准确率和鲁棒性。