使用 Keras ImageDataGenerator 更改 RGB 通道强度

Question

在训练模型时，我一直在尝试增加大约360张图像。 除了这些扩展

img_data_gen_args = dict(rotation_range=90,
                 width_shift_range=0.3,
                 height_shift_range=0.3,
                 shear_range=0.5,
                 zoom_range=0.3,
                 horizontal_flip=True,
                 vertical_flip=True,
                 fill_mode='reflect')
mask_data_gen_args = dict(rotation_range=90,
                 width_shift_range=0.3,
                 height_shift_range=0.3,
                 shear_range=0.5,
                 zoom_range=0.3,
                 horizontal_flip=True,
                 vertical_flip=True,
                 fill_mode='reflect',
                 preprocessing_function = lambda x: np.where(x>0, 1, 0).astype(x.dtype))

image_data_generator = ImageDataGenerator(**img_data_gen_args)
image_generator = image_data_generator.flow_from_directory(train_images_path, 
                                                       seed=seed, 
                                                       batch_size=batch_size,
                                                      class_mode=None,target_size=(IMG_HEIGHT,IMG_WIDTH))  #Very important to set this otherwise it returns multiple numpy arrays 
                                                                        
mask_data_generator = ImageDataGenerator(**mask_data_gen_args)
mask_generator = mask_data_generator.flow_from_directory(train_masks_path, 
                                                     seed=seed, 
                                                     batch_size=batch_size,
                                                     color_mode = 'grayscale',   
                                                     class_mode=None,target_size=(IMG_HEIGHT,IMG_WIDTH))


valid_img_generator = image_data_generator.flow_from_directory(val_images_path, 
                                                           seed=seed, 
                                                           batch_size=batch_size, 
                                                           class_mode=None,target_size=(IMG_HEIGHT,IMG_WIDTH)) 
valid_mask_generator = mask_data_generator.flow_from_directory(val_masks_path, 
                                                           seed=seed, 
                                                           batch_size=batch_size, 
                                                           color_mode = 'grayscale',   #Read masks in grayscale
                                                           class_mode=None,target_size=(IMG_HEIGHT,IMG_WIDTH))  


 train_generator = zip(image_generator, mask_generator)
 val_generator = zip(valid_img_generator, valid_mask_generator)

之外，我想使用该功能来更改RGB颜色强度以使模型在弱光条件下更强大。除了上面的代码中所做的增强功能外，任何人都可以向Imagedatagenerator类提供技巧如何从Imagedatagenerator类中实现Apply_transform函数。

Answer 1

您可以将preprocessing_function添加到img_data_gen_args字典就像您为mask_data_gen_args字典一样。在功能内部，您可以根据需要更改RGB颜色强度。您需要做的就是确保该函数采用一个参数（具有等级3的numpy张量），并返回具有相同形状的numpy张量。 在这里 是链接到docs的链接。您的预处理功能看起来像：

def my_preprocessing_function(img):
    # Apply relevant transformation to image here
    return transformed_img