如何在keras中使用ImageDataGenerator和flow_from_directory保存调整大小的图像

Question

我正在使用以下代码调整存储在文件夹（两个类）中的RGB图像的大小：

from keras.preprocessing.image import ImageDataGenerator
dataset=ImageDataGenerator()
dataset.flow_from_directory('/home/1',target_size=(50,50),save_to_dir='/home/resized',class_mode='binary',save_prefix='N',save_format='jpeg',batch_size=10)

我的数据树如下所示：

1/
 1_1/
     img1.jpg
     img2.jpg
     ........
 1_2/
     IMG1.jpg
     IMG2.jpg
     ........
resized/
        1_1/ (here i want to save resized images of 1_1)
        2_2/ (here i want to save resized images of 1_2)

运行代码后，我得到以下输出，但没有图像：

Found 271 images belonging to 2 classes.
Out[12]: <keras.preprocessing.image.DirectoryIterator at 0x7f22a3569400>

如何保存图像？

Answer 1

这是一个非常简单的版本，可以在任意位置保存一个图像的增强图像：

步骤1.初始化图像数据生成器

在这里，我们找出我们要对原始图像进行哪些更改并生成增强图像。
您可以在此处阅读有关差异效果的信息-https : //keras.io/preprocessing/image/

datagen = ImageDataGenerator(rotation_range=10, width_shift_range=0.1, 
height_shift_range=0.1,shear_range=0.15, 
zoom_range=0.1,channel_shift_range = 10, horizontal_flip=True)

第2步：在这里，我们选择原始图像以对图像进行增强

读入图像

image_path = 'C:/Users/Darshil/gitly/Deep-Learning/My 
Projects/CNN_Keras/test_augment/caty.jpg'

image = np.expand_dims(ndimage.imread(image_path), 0)

步骤3：选择要保存增强图像的位置

save_here = 'C:/Users/Darshil/gitly/Deep-Learning/My 
Projects/CNN_Keras/test_augment'

步骤4.我们适合原始图像

datagen.fit(image)

第5步：遍历图像并使用“ save_to_dir”参数保存

for x, val in zip(datagen.flow(image,                    #image we chose
        save_to_dir=save_here,     #this is where we figure out where to save
         save_prefix='aug',        # it will save the images as 'aug_0912' some number for every new augmented image
        save_format='png'),range(10)) :     # here we define a range because we want 10 augmented images otherwise it will keep looping forever I think
pass

Answer 2

该flow_from_directory方法为您提供了一个“迭代器”，如您的输出中所述。迭代器本身并没有真正做任何事情。它正在等待迭代，然后才会读取和生成实际数据。

Keras 中用于拟合的迭代器将像这样使用：

generator = dataset.flow_from_directory('/home/1',target_size=(50,50),save_to_dir='/home/resized',class_mode='binary',save_prefix='N',save_format='jpeg',batch_size=10)

for inputs,outputs in generator:

    #do things with each batch of inputs and ouptus

通常，您只需将生成器传递给一个fit_generator方法，而不是执行上面的循环。没有真正需要做一个 for 循环：

model.fit_generator(generator, ......)

Keras 只会在图像加载并通过迭代生成器增强后保存图像。

Answer 3

它只是一个声明，您必须使用该生成器，例如， .next()

from keras.preprocessing.image import ImageDataGenerator
dataset=ImageDataGenerator()
image = dataset.flow_from_directory('/home/1',target_size=(50,50),save_to_dir='/home/resized',class_mode='binary',save_prefix='N',save_format='jpeg',batch_size=10)
image.next()

然后你会看到图像 /home/resized