利用keras进行图像识别——训练自己的数据集

1、预处理图片数据集

（1）增强数据集
如果图片数量少的话，可以通过keras.preprocessing.image中的ImageDataGenerator函数进行数据增强，即通过旋转，翻转等操作增加图片的数量。（训练集和测试集都要）

from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img
from PIL import Image
import os

datagen = ImageDataGenerator(
        rotation_range=0.2,
        width_shift_range=0.2,
        height_shift_range=0.2,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True,
        fill_mode='nearest')


def generator(filepath):
    images = os.listdir(filepath)  # 把该路径下所有图片都读取
    for name in images:
    #读取每一张图片，并转化成矩阵
        img=Image.open('picture/test/horse/'+name)
        x=img_to_array(img)
        x=x.reshape((1,)+x.shape)
        i = 0
        for batch in datagen.flow(x,
                                  batch_size=1,
                                  save_to_dir='test_augmentation/horse',#生成后的图像保存路径
                                  save_prefix='3',  #生成图片名称的前缀（用于作为数据的标签）
                                  save_format='jpg'):   #图片保存的格式
            i += 1
            if i > 20: #这个20指出要扩增多少个数据
                break  # otherwise the generator would loop indefinitely

generator('picture/test/horse')

（2）将图片裁剪成统一的形状，以便于输入到神经网络中
os.listdir（’ 文件夹名称’）函数用于遍历文件夹中文件的名称

def convertjpg(jpgfile,outdir,width=100,height=100):
    #导入图片名称为jpgfile，输出到outdir文件中
    img=Image.open('test_augmentation/'+jpgfile)
    try:
        #将图片resize成100*100的大小
        new_jpg=img.resize((width,height),Image.BILINEAR)
        #保存到路径outdir下
        new_jpg.save(os.path.join(outdir,os.path.basename(jpgfile)))
    except Exception as e:
        print(e)

for jpgfile in os.listdir('test_augmentation'):
    #遍历文件中的文件名称
    print(jpgfile)
    convertjpg(jpgfile,'test1')

（3）改变图片的名称
通过os.rename（‘旧名字’，‘新名字’）