如何将自定义的基于openCV颜色的图像分割转换传递给keras CNN模型？

我试图在植物图片上训练Keras CNN模型。我需要在训练之前对这些图像进行预处理，因为它们包含我不希望模型了解的额外信息

解决方案：使用openCV进行基于颜色的分割，我只保留了绿色像素

def segmented(image):
    foto = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    hsv_foto = cv2.cvtColor(foto, cv2.COLOR_RGB2HSV)

    colormin=(25,50,50)
    colormax=(86,255,255)

    mask = cv2.inRange(hsv_foto, colormin , colormax)

    result = cv2.bitwise_and(foto, foto, mask=mask)

    return result

问题： 该函数在可视化分割图像时运行良好，但我正在努力将其传递给Keras模型，以便在训练时只训练转换后的图像，而不是来自目录的原始图像

我的解决方案：我现在尝试的是将我的segmented（）函数包含到keras ImageDataGenerator中：

train_datagen = ImageDataGenerator(
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True,
    validation_split=0.2)

train_generator = train_datagen.flow_from_directory(
segmented('../input/v2-plant-seedlings-dataset/nonsegmentedv2/'),
    target_size=(64,64),
    batch_size=32,
    class_mode='categorical',
    subset='training')

还是在训练

training=model.fit_generator(
    segmented(train_generator),
    steps_per_epoch=100,
    epochs=20,
    validation_data = segmented(validation_generator), 
    validation_steps = 30,
    callbacks=[earlystopper1, checkpointer1]
   )

但我发现这个错误可能与图像读取和打开有关

TypeError                                 Traceback (most recent call    last)
  <ipython-input-47-3fc9e5fcdc32> in <module>
         1 training=model.fit_generator(
   ----> 2         segmented1(train_generator),
         3         steps_per_epoch=100,
         4         epochs=20,
         5         validation_data = validation_generator,

 <ipython-input-46-24182f9d357f> in segmented1(np_image)
         1 def segmented1(np_image):
         2 
   ----> 3     foto = cv2.cvtColor(np_image, cv2.COLOR_BGR2RGB)
         4     hsv_foto = cv2.cvtColor(foto, cv2.COLOR_RGB2HSV)
         5 

 TypeError: Expected Ptr<cv::UMat> for argument '%s'

TypeError回溯（最近一次调用）
在里面
1个培训=模型安装\u发电机(
---->2个分段1（列车发电机），
每个历元3步=100，
4个时代=20，
5验证数据=验证生成器，
分段1（np_图像）
1 def分段1（np_图像）：
2.
---->3 foto=cv2.cvtColor（np_图像，cv2.COLOR_BGR2RGB）
4 hsv_foto=cv2.CVT颜色（foto，cv2.COLOR_RGB2HSV）
5.
TypeError:参数“%s”应为Ptr

我没有尝试过你的函数，但是下面是关于

预处理函数

的输入和输出的解释，这在下面的链接中提到：https（）：

预处理函数：将应用于每个输入的函数。 该函数将在图像大小调整和增强后运行 函数应该有一个参数：一个图像（带秩的Numpy张量 3） ，并应输出具有相同形状的Numpy张量

---

您可能应该稍微修改一下

segmented

函数。

您可以将分割直接应用于目录中的图像……并将生成的图像提供给您的模型……您必须将函数的名称放入数据生成器中。在

flow_from_目录

之前，请使用keras

ImageDataGenerator

在设置它的参数时，将你的

分割的

函数设置为

预处理函数

。这个源代码将帮助你：你可以编写分割的图像并使用这些文件进行训练。但是你真的想让你的网络在黑色背景上训练吗？或者你想把所有类型的随机背景增强到t软管样本？@Mika谢谢你的反馈。是的，我想在黑色背景上训练我的人际网络。你能详细介绍一下你的“imwrite”解决方案吗？@Meisam谢谢你的反馈！我刚刚编辑了我的帖子并加入了

ImageDataGenerator

。你能告诉我我应该在哪一行加入这些内容吗函数，我在keras文档中迷路了。谢谢！这正是我要找的。

train_datagen = ImageDataGenerator(
    preprocessing_function = segmented,
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True,
    validation_split=0.2)