使用 keras.preprocess.image.ImageDataGenerator 时如何定义我自己的自定义图像预处理功能答案

【问题标题】：how to define my own customized image preprocess function when using keras.preprocess.image.ImageDataGenerator使用 keras.preprocess.image.ImageDataGenerator 时如何定义我自己的自定义图像预处理功能
【发布时间】：2018-04-14 13:26:41
【问题描述】：

我发现keras.preprocess.image.ImageDataGenerator中没有包含一些图像预处理功能

那么我如何在ImageDataGenerator 中添加我自己的自定义预处理功能，比如改变亮度、饱和度、颜色抖动、图像裁剪等。

【问题讨论】：

这是 github 上一个非常好的帖子：github.com/fchollet/keras/issues/3338。请参考。
感谢您的建议。不知道有没有官方接口可以让我把我的预处理函数和ImageDataGenerator结合起来？

标签： image-processing deep-learning keras

【解决方案1】：

实际上 - 您可以指定自己的预处理函数并将其设置在您的 ImageGenerator 中。例如：

def preprocessor(image):
    # perform augmentations here

然后：

image_generator = ImageDataGenerator(..., preprocessing_function=preprocessor)

【讨论】：

谢谢。这意味着您可以在 ImageDataGenerator 之前进行自己的预处理。 preprocess_function 可以是函数列表而不是单个函数吗？
您可以定义应用一系列预处理函数的函数:)
@AbrahamBen - 我的回答有帮助吗？

【解决方案2】：

为了让 Marcin 解决方案对我有用，我必须在 ImageDataGenerator 中定义 preprocessing_function：

train_datagen=ImageDataGenerator( ... preprocessing_function= preprocessor(image).all(), ... )

【讨论】：

【解决方案3】：

只需制作你的预处理函数并将其作为参数传递给ImageDataGenerator 的preprocessing_function 函数。您还可以在 ImageDataGenerator 中传递多个预处理函数，方法是在一个 preprocess() 函数中调用所有这些函数。

如果您尝试只传递一个预处理函数：-

def preprocess():
    # operations

如果您尝试传递多个预处理函数：-

def preprocess():
    another preprocess_function()
        # operations

然后在 ImageDataGenerator 中传递 preprocess() :-

train_gen = ImageDataGenerator(preprocessing_function=preprocess())

【讨论】：

【解决方案4】：

def get_random_eraser(p=0.5, s_l=0.02, s_h=0.4, r_1=0.3, r_2=1/0.3, v_l=0, v_h=255, pixel_level=False):
    def eraser(input_img):
        img_h, img_w, img_c = input_img.shape
        p_1 = np.random.rand()

        if p_1 > p:
            return input_img

        while True:
            s = np.random.uniform(s_l, s_h) * img_h * img_w
            r = np.random.uniform(r_1, r_2)
            w = int(np.sqrt(s / r))
            h = int(np.sqrt(s * r))
            left = np.random.randint(0, img_w)
            top = np.random.randint(0, img_h)

            if left + w <= img_w and top + h <= img_h:
                break

        if pixel_level:
            c = np.random.uniform(v_l, v_h, (h, w, img_c))
        else:
            c = np.random.uniform(v_l, v_h)

        input_img[top:top + h, left:left + w, :] = c

        return input_img

    return eraser


    datagen = ImageDataGenerator(preprocessing_function=get_random_eraser(v_l=0, v_h=1), zoom_range=0.0, horizontal_flip=False)

【讨论】：

此功能对我有用，它是侧面“橡皮擦”功能中的随机橡皮擦，您可以根据您的要求更改。