使用OpenCV+Keras+Tensorflow实现去噪算法与自定义预处理函数

理解问题

在处理计算机视觉问题时，我们经常遇到需要对整个数据集应用某种形式的转换的情况。Keras中的ImageDataGenerator类提供了各种转换，如翻转、规格化等。

然而，应用在Keras中不可用的自定义转换变得非常困难。在我们的特定示例中，我们将对我们的数据集应用去噪算法作为预处理转换。一种简单的方法是对数据集中的所有图像应用去噪函数，并将处理后的图像保存在另一个目录中。然而，这同时消耗了我们的时间和空间。另一种方法是使用preprocessing_function属性动态地执行这个转换。

为了加载用于训练的图像，我使用了Keras中实现的.flow_from_directory()方法。使用OpenCV去噪是相当简单的，OpenCV提供了几个内置算法来实现这一点。在本文中，我将展示如何定义我们自己的预处理函数，将其传递给训练生成器，并将图像直接提供给模型，从而无需保存它们。

本教程大致分为两部分

1. 实现去噪算法

2. 扩展预处理函数

让我们马上开始吧！

第一部分 实现去噪算法

让我们准备一个函数，将图像作为输入，应用内置的去噪算法，并返回处理后的图像。

import cv2
import