Index 目录索引
写在前面–报错信息一览
在使用深度神经网络模型进行图像预测的时候,可能会报出如下错误:
ValueError: Error when checking input: expected input_1 to have 4 dimensions, but got array with shape (0, 1)
或者这种错误信息:
ValueError: Error when checking input: expected input_1 to have shape (None, None, 3) but got array with shape (229, 229, 1)
经过一番耐心探索之后,发现之所以会出现这种类型的错误,是因为进行预测的时候投入的图像属性不匹配的原因,举个例子,比如说投入的是8 bits(8位)的图像会报错,而将图像改为24bits(24位)之后就可以正常进行预测了。下面顺便介绍下如何使用python语言将8位的数字图像转换为24位。
转换方法–将8位的数字图像转换为24位
这篇文章参考了这篇文章中提到的方法[1],但发现里面的代码貌似不太完整,拿来后并不能直接使用,所以本文在前面这位大神的基础上将其代码进行加工完善,并给出详细解释。
话不多说,直接给出相关代码:
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import os
import cv2
import sys
import shutil
path='./before/' # 要处理的图像所在目录
newpath='./after/' # 转换后的图像存储目录
def 8to24(path):
files = os.listdir(path)
files = np.sort(files)
for f in files:
imgpath = path + f
img = Image.open(imgpath).convert('RGB')
# 这里可能会报错 TypeError: Expected Ptr < cv::UMat > for argument '%s'
# 报错原因是传入的参数不对,原本传入到cv2中的image需要是numpy.array类型,但是从Debug的信息可以看出,传进去的是字符串类型,所以报错。解决方法如下:
# 这里先把图像转换成numpy数组的格式,然再用imwrite写入,如下:
img_array = np.array(img)
# img = Image.open(imgpath)
dirpath = newpath
file_name, file_extend = os.path.splitext(f)
dst = os.path.join(os.path.abspath(dirpath), file_name + '.jpg')
# cv2.imwrite(dst, img)
# 直接运行上句代码时会报错 TypeError: Expected Ptr < cv::UMat > for argument '%s',报错原因见上,这里修改为如下代码语句:
cv2.imwrite(dst, img_array)
8to24(path)
以上就是将8位的数字图像转换为24位的代码了,相关语句的解释已经在注释中标注出来,如果仍有不懂的地方可以在下方留言区留言交流。如果我的这篇文章帮助到了你,那我也会感到很高兴,一个人能走多远,在于与谁同行。