TensorFlow加载文件夹图像数据集后PIL显示失真噪声问题

你遇到的噪声类扭曲核心原因是数据类型不匹配，附带的比例变形是强制resize的逻辑问题：

• tf.keras.utils.image_dataset_from_directory默认输出float32类型的张量，虽然像素值落在0-255区间，但PIL的Image.fromarray在RGB模式下要求输入必须是uint8类型的0-255整数数组，直接传入浮点型数组会被PIL错误解析像素值，最终呈现类似随机噪声的效果。
• 你设置的image_size=(1080,1920)默认会对所有图像做无差别拉伸缩放，不会保留原始宽高比，你数据集里存在(1920,1080,3)的横版图像，被强行拉成竖版尺寸本身就会出现比例扭曲，但这不会造成噪声效果。

• 展示图像前先把数组转成uint8类型即可解决噪声问题：

for image, labels in images.take(1):
    img = image[0].numpy().astype('uint8') # 转为PIL兼容的uint8整数格式
    print(img.shape)
    img = Image.fromarray(img, 'RGB')
    img.save('my.png')
    img.show()

• 如果要避免不同比例图像被拉伸变形，给加载函数加crop_to_aspect_ratio=True参数，加载时会自动按目标比例裁剪图像，而非强行拉伸：

images = image_dataset_from_directory('../dataset/',
                                      shuffle=True,
                                      batch_size=32,
                                      image_size=(1080,1920),
                                      crop_to_aspect_ratio=True)

注：如果后续做模型训练需要把像素归一化到0~1区间，再转float32除以255即可，仅在调用PIL展示/保存图像时做uint8转换就行。

内容的提问来源于stack exchange，提问作者Los