python - 如何对来自 `image_dataset_from_directory()` 的图像进行图像转换，以便将其转换为 Lab 并返回 L 通道？
问题描述
我有一个图像数据集，我正在使用tf.keras.preprocessing.image_dataset_from_directory批量加载图像并可能创建一个数据管道。我正在尝试处理图像并将它们转换为 Lab 颜色空间。我可以通过使用.take()和解析张量来手动完成，但我无法做到这一点，因此我可以直接在管道中使用它。我的代码看起来像这样：
def convert_to_lab(image):
# Convert to Lab colourspace
Lab = color.rgb2lab(image.numpy().astype('uint8')) #<- Throws error because .numpy() isn't supported
L, a, b = Lab[:,:,0], Lab[:,:,1], Lab[:,:,2]
L = np.array(L)
a, b = np.array(a), np.array(b)
return L, (a,b)
def preprocess_train(image, label):
image, label = convert_to_lab(image)
return image,label
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
'dataset',
shuffle=False,
image_size=(256, 256),
batch_size=32)
train_ds = train_ds.map(preprocess_train)
但我猜dataset创建的对象不支持EagerTensorOps，因为我收到以下错误，
AttributeError: 'Tensor' object has no attribute 'numpy'
我希望能够创建一个管道，我基本上可以将这个数据集用于 GAN。任何帮助表示赞赏：D