Image processing 如何在使用keras.preprocess.image.ImageDataGenerator时定义自己的自定义图像预处理函数

我发现有一些图像预处理函数未包含在

keras.preprocess.image.ImageDataGenerator

---

因此，我如何将自己定制的预处理函数添加到

ImageDataGenerator

，如更改亮度、饱和度、颜色抖动、图像裁剪等。

实际上，您可以指定自己的预处理函数并在自己的应用程序中设置它。例如：

def preprocessor(image):
    # perform augmentations here

然后：

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

---

为了让Marcin解决方案为我工作，我必须在ImageDataGenerator中定义预处理函数：

列车\数据发生器=图像数据发生器( ... 预处理函数=预处理器（图像）.all（）， ... )

---

只需创建预处理函数，并将其作为参数传递给

ImageDataGenerator

的

preprocessing\u函数。您还可以通过在一个
preparse（）
函数中调用所有预处理函数，在
ImageDataGenerator
中传递多个预处理函数

如果您试图只传递一个预处理函数：-

def preprocess():
    # operations

如果您试图传递多个预处理函数：-

def preprocess():
    another preprocess_function()
        # operations

然后只需在ImageDataGenerator中传递该预处理（）-

train_gen = ImageDataGenerator(preprocessing_function=preprocess())

def get_random_橡皮擦（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，像素级=False）：
def擦除器（输入图像）：
img_h，img_w，img_c=输入img.shape
p_1=np.random.rand（）
如果p_1>p：
返回输入信号
尽管如此：
s=np.随机.均匀（s_l，s_h）*img_h*img_w
r=np.随机.均匀（r_1，r_2）
w=整数（np.sqrt（s/r））
h=int（np.sqrt（s*r））
左=np.random.randint（0，img_w）
top=np.random.randint（0，img_h）
如果左+w，这是github上非常好的线程：。请参考。谢谢你的建议。我想知道是否有任何官方界面可以让我将预处理功能与ImageDataGenerator结合起来？谢谢。这意味着您可以在ImageDataGenerator之前进行自己的预处理。预处理函数是否可以是一个函数列表而不是单个函数？您可以定义应用一系列预处理函数的函数：）@AbrahamBen-我的答案有用吗？此函数对我有效，它是“橡皮擦”函数中的随机橡皮擦，可以根据您的要求进行更改。
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)