图像被 tf.keras.preprocessing.image.save_img 损坏答案

【问题标题】：Image getting corrupted with tf.keras.preprocessing.image.save_img图像被 tf.keras.preprocessing.image.save_img 损坏
【发布时间】：2021-08-01 01:32:38
【问题描述】：

我有一个 np 数组（模型预测的分割掩码）。我必须将此遮罩（数组）保存为图像以可视化结果。

我可以使用tf.keras.preprocessing.image.save_img 将数组保存为图像。但是当我检查保存的图像时，发现图像有很多损坏的值。

示例代码

import numpy as np
import tensorflow as tf

# mask is prediction output from a model, of shape HxWx1, pixels can take integer values between 0 and 10.

mask = np.array([
    [[0], [0], [0], [0]],
    [[4], [4], [4], [4]],
    [[5], [5], [5], [5]],
    [[6], [6], [6], [6]]
])
print(np.unique(mask))  # unique values present are 0,4,5,6

# Save the predicted mask array as an image
tf.keras.preprocessing.image.save_img('mask.jpg', mask,  scale=False)

# Load the saved image into an array and verify values again
mask_img = tf.keras.preprocessing.image.load_img('mask.jpg', color_mode='grayscale')
loaded_mask = tf.keras.preprocessing.image.img_to_array(mask_img)

print(loaded_mask)
    # [[[1.], [1.], [1.], [1.]],
    #  [[3.], [3.], [3.], [3.]],
    #  [[6.], [6.], [6.], [6.]],
    #  [[6.], [6.], [6.], [6.]]]
print(np.unique(loaded_mask)) # unique values are 1., 3., 6.

检索到的数组与我预期的原始数组不完全相同。在我的例子中，0 和 10 之外的值是没有意义的（值对应于一个类），我观察到像 11,12 这样的值，在某些预测中高达 13。

【问题讨论】：

标签： python tensorflow image-processing keras python-imaging-library

【解决方案1】：

以.png 格式保存图片。在上述示例中导致的问题来自 .jpg 格式，它使用 有损压缩算法，因此图像可能会丢失一些数据，但在 .png 中，它使用 无损压缩算法。

mask = np.array([
    [[0], [0], [0], [0]],
    [[4], [4], [4], [4]],
    [[5], [5], [5], [5]],
    [[6], [6], [6], [6]]
])
print(np.unique(mask))  # unique values present are 0,4,5,6

# Save the predicted mask array as an image
tf.keras.preprocessing.image.save_img('mask.png', mask,  scale=False)

# Load the saved image into an array and verify values again
mask_img = tf.keras.preprocessing.image.load_img('mask.png', color_mode='grayscale')
loaded_mask = tf.keras.preprocessing.image.img_to_array(mask_img)

print(loaded_mask)
    # [[[1.], [1.], [1.], [1.]],
    #  [[3.], [3.], [3.], [3.]],
    #  [[6.], [6.], [6.], [6.]],
    #  [[6.], [6.], [6.], [6.]]]
print(np.unique(loaded_mask)) # unique values are 1., 3., 6.

[0 4 5 6]
[[[0.]
  [0.]
  [0.]
  [0.]]

 [[4.]
  [4.]
  [4.]
  [4.]]

 [[5.]
  [5.]
  [5.]
  [5.]]

 [[6.]
  [6.]
  [6.]
  [6.]]]
[0. 4. 5. 6.]

【讨论】：