Question

我正在将RGB彩色图像输送到用Keras实现的神经网络。如何让Keras将图像转换为不同的色彩空间（例如YUV，Lab或某些灰度）？

我尝试使用Lambda()图层，但收到错误：

model.add(Lambda(lambda x: cv2.cvtColor(x, cv2.COLOR_RGB2LAB), input_shape=(160, 320, 3)))

给了我

TypeError: src is not a numpy array, neither a scalar

我认为问题是x是Tensor，我不知道如何将其转换为OpenCV接受的内容。

更好的是，如果我可以在GPU中完成它。例如。使用Tensorflow，我会使用tf.image.rgb_to_hsv()和tf.image.rgb_to_grayscale()等函数。

谢谢！

Answer 1

如果导入tensorflow，可以在lambda中使用tf.image.rgb_to_hsv（）函数：

def hsv_conversion(x):
    import tensorflow as tf    
    return tf.image.rgb_to_hsv(x)

model.add(Lambda(hsv_conversion, input_shape=(160, 320, 3)))

Answer 2

我一直希望在使用Keras lambda层的预处理层中使用opencv，以确保对我的图像进行的所有预处理都是相同的，无论是训练，测试还是预测。但是我发现您必须对张量使用张量运算。因此，您仅限于lambda中的简单算术运算以及在keras.backend中可以找到的任何张量运算。

如何转换Keras中的图像色彩空间？

2 个答案: