如何使用Python将全数据集RGB图像转换为灰度图以适配CycleGAN使用

1. RGB图像批量转灰度/单通道图 #

以下提供三种常用实现方式，可根据你的使用场景选择：

方法1：Pillow实现（适合提前批量处理数据集） #

先安装依赖：
pip install pillow
批量转换代码：

import os
from PIL import Image

# 替换为你的本地路径
rgb_dataset_path = "./zelda_rgb_images"
gray_save_path = "./zelda_gray_images"
os.makedirs(gray_save_path, exist_ok=True)

for file_name in os.listdir(rgb_dataset_path):
    if file_name.lower().endswith((".png", ".jpg", ".jpeg")):
        # 读取RGB图像
        rgb_img = Image.open(os.path.join(rgb_dataset_path, file_name))
        # 转换为单通道灰度图，模式"L"对应8位灰度单通道
        gray_img = rgb_img.convert("L")
        # 保存处理后的图像
        gray_img.save(os.path.join(gray_save_path, file_name))

方法2：OpenCV实现 #

先安装依赖：
pip install opencv-python
批量转换代码：

import os
import cv2

rgb_dataset_path = "./zelda_rgb_images"
gray_save_path = "./zelda_gray_images"
os.makedirs(gray_save_path, exist_ok=True)

for file_name in os.listdir(rgb_dataset_path):
    if file_name.lower().endswith((".png", ".jpg", ".jpeg")):
        # OpenCV默认以BGR格式读取彩色图像
        rgb_img = cv2.imread(os.path.join(rgb_dataset_path, file_name))
        # 转换为单通道灰度图
        gray_img = cv2.cvtColor(rgb_img, cv2.COLOR_BGR2GRAY)
        cv2.imwrite(os.path.join(gray_save_path, file_name), gray_img)

方法3：训练时实时转换（适合不希望额外存储灰度数据集的场景） #

如果你用PyTorch加载数据集，可以直接在transforms中加入灰度转换逻辑，无需提前处理数据集：

from torchvision import transforms

# 数据预处理逻辑
train_transform = transforms.Compose([
    transforms.Resize((256, 256)), # 调整为CycleGAN要求的输入尺寸
    transforms.Grayscale(num_output_channels=1), # 实时转换为单通道灰度图
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,)) # 单通道图像归一化参数，不要沿用三通道配置
])

2. 对接CycleGAN的注意事项 #

• 常规开源CycleGAN默认支持三通道RGB图像输入，你需要修改生成器、判别器的输入输出通道参数，将默认值3改为1
• 数据集按CycleGAN要求组织即可：例如trainA文件夹放置灰度图，trainB文件夹放置你需要转换的目标域图像
• 训练过程中的图像归一化、可视化逻辑都要适配单通道配置，避免出现维度不匹配报错

内容的提问来源于stack exchange，提问作者fouzea munir