如何将OpenCV读取的webcam帧作为Keras模型输入并改写原有加载代码

你需要先通过OpenCV的VideoCapture接口读取摄像头帧，再做格式、尺寸匹配，就能完全适配原Keras的输入逻辑，具体实现如下：

步骤1：导入必要依赖 #

首先确认导入所需的工具库：

import cv2
from tensorflow.keras.preprocessing import image
import numpy as np

步骤2：替换原有代码的完整逻辑 #

替换img = image.load_img(img_path, target_size=(224, 224))这一行的完整代码如下：

# 初始化本地摄像头，参数0默认调用设备自带的第一个摄像头
cap = cv2.VideoCapture(0)
# 读取一帧画面，ret返回布尔值表示是否读取成功，frame是采集到的原始帧
ret, frame = cap.read()

if ret:
    # OpenCV默认读取的帧为BGR格式，需要转为Keras要求的RGB格式
    frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    # 调整尺寸到模型要求的224*224
    frame_resized = cv2.resize(frame_rgb, (224, 224))
    # 转为和image.load_img输出完全一致的PIL对象，后续原逻辑无需任何修改
    img = image.array_to_img(frame_resized)

# 用完释放摄像头资源
cap.release()

可选优化 #

如果后续你直接把数据喂给模型，不需要保留PIL对象格式，可以直接处理数组省略转PIL的步骤：

# 接上面resize后的frame_resized
x = np.expand_dims(frame_resized, axis=0) # 增加batch维度
x = x / 255.0 # 如果模型要求归一化则增加这一步
# 直接输入模型即可：model.predict(x)

内容的提问来源于stack exchange，提问作者Emad Alomari