TensorFlow查看Directory Iterator对象图像及形状报错解决

flow_from_directory返回的目录迭代器调用next()时，输出的是**(批次图像张量, 批次标签张量)**的二元元组：

• 元组第一个元素是当前批次的所有图像，形状为(batch_size, 图像高度, 图像宽度, 通道数)，你当前批次共12张图，所以形状为(12, 224, 224, 3)
• plt.imshow()仅支持输入形状为(H,W,3)（彩色图）或(H,W)（灰度图）的单张图像数据，直接传入整个批次的4维张量就会触发形状不匹配的TypeError。

另外你使用了tf.keras.applications.vgg16.preprocess_input做预处理，该函数会将图像从RGB转为BGR通道顺序、逐通道减去ImageNet数据集的通道均值，即使正确取出单张图，直接显示也会出现颜色错乱、亮度异常的问题。

按两步调整即可：

1. 从批次张量中取出单张子图像，不要传入整个批次
2. 逆向还原VGG16的预处理操作，将像素值转换为matplotlib可正常显示的0-255范围RGB格式

可直接运行的参考代码：

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np

# 数据集加载代码，新增shuffle=False可关闭乱序，方便按原顺序核对图像
imgs = tf.keras.preprocessing.image.ImageDataGenerator(
    preprocessing_function=tf.keras.applications.vgg16.preprocess_input
).flow_from_directory(
    r"C:\Users\Abhimanyu\Pictures\Camera Roll",
    target_size=(224, 224),
    classes=["Class 1", "Class 2"],
    shuffle=False
)

# 获取一个批次的数据
batch_images, batch_labels = next(imgs)

# 取出批次中第1张图像（索引从0开始，查看第N张就把索引改为N-1）
single_img = batch_images[0]

# 逆向还原VGG16预处理
# 加回之前减去的ImageNet通道均值
single_img[..., 0] += 103.939
single_img[..., 1] += 116.779
single_img[..., 2] += 123.68
# BGR通道顺序转回RGB
single_img = single_img[..., ::-1]
# 裁剪像素值到合法范围，转换为图像常用的uint8格式
single_img = np.clip(single_img, 0, 255).astype(np.uint8)

# 显示图像
plt.imshow(single_img)
plt.axis('off')
plt.show()

• 如果只是想查看原始图像、不需要保留VGG预处理效果，可以暂时去掉ImageDataGenerator中的preprocessing_function参数，取出单张图后直接用.astype(np.uint8)转换格式即可显示，无需做逆向还原。
• 如果要查看整个批次的所有图像，可以循环遍历batch_images的第一维，逐张处理后通过matplotlib子图批量绘制。

内容的提问来源于stack exchange，提问作者Abhimanyu Sharma