unet预测图片全黑/全灰解决方案（keras）

几个注意点
载入模型

model = load_model("unet_person_128_" + str(n) + ".hdf5")

预测前图片处理：

def testGenerator(test_path, num_image, target_size):
    for pngfile in glob.glob(test_path + "/*.png"):#查找有关目录下的所有文件，pngfile为路径
        img = cv.imread(pngfile)#在OpenCV第一个参数是指定需要读取的图片的路径和图片名，另一个参数，常用的就是"IMREAD_UNCHANGED"、"IMREAD_GRAYSCALE"、"IMREAD_COLOR"三个属性
        img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
        img = img / 255.0
        img = np.reshape(img, img.shape + (1,))
        img = np.reshape(img, (1,) + img.shape)#将测试图片扩展一个维度，与训练时的输入[2,256,256]保持一致
        yield img

保存结果：

def saveResult(save_path, result, flag_multi_class=False, num_class=2):
    for i, item in enumerate(result):
        img = item[:, :, 0]
        #img = (img * 255).astype(np.uint8)
        #io.imsave(os.path.join(save_path,"%d_predict.png"%i),img)     #使用该函数保存时不用做归一化
        cv.normalize(img, img, 0, 255, cv.NORM_MINMAX)  # 使用opencvimwrite保存图片时，需做归一化，将原先归一化至0-1的图片复原出来，否则结果全黑
        img = np.array(img)
        cv.imwrite(save_path + "/" + str(i+1) + "_predict.png", img)