糖尿病视网膜病变图像训练：Keras自定义预处理函数类型错误求助

你遇到的这个类型错误，核心原因是对Keras ImageDataGenerator 的 preprocessing_function 参数理解有误——这个函数接收的不是图像文件路径，而是已经被Keras加载并预处理后的numpy数组，所以你在函数里调用 cv2.imread(im, 1) 时，传入的是数组而非字符串路径，自然会触发类型错误。

我们需要调整函数逻辑，直接对传入的numpy数组进行处理，而不是尝试重新读取文件。另外还要注意Keras传入的图像维度（比如你指定了color_mode='grayscale'，所以输入数组是(300,300,1)的形状），修正后的代码如下：

import cv2
import numpy as np

def preprocess(im):
    # 因为color_mode='grayscale'，im的形状是(300,300,1)，先去掉最后一维转成(300,300)
    im = np.squeeze(im, axis=-1)
    # 自适应阈值处理（注意输入必须是单通道灰度图）
    block_size = 73
    constant = 2
    thr2 = cv2.adaptiveThreshold(im, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, block_size, constant)
    # 处理完后要恢复Keras需要的(300,300,1)维度
    thr2 = np.expand_dims(thr2, axis=-1)
    return thr2

• 当你用flow_from_dataframe并指定color_mode='grayscale'时，Keras会自动把图像加载为(target_size[0], target_size[1], 1)的numpy数组，所以不需要再手动调用cv2.resize或者im.resize，这些操作flow_from_dataframe已经帮你完成了。
• 你的原始函数里的im.resize(300, 300, 1)是错误的用法，numpy数组的resize方法并非如此调用，应该用np.expand_dims来增加通道维度。
• 自适应阈值函数cv2.adaptiveThreshold要求输入必须是8位单通道图像，所以我们先通过np.squeeze去掉多余的通道维度，处理完再恢复。

调整完预处理函数后，你的ImageDataGenerator和生成器代码不需要修改，直接运行model.fit（更推荐这个，fit_generator已被弃用）就可以正常工作了，既不用提前预处理保存所有图像，也能继续尝试解决欠拟合问题。

内容的提问来源于stack exchange，提问作者Victor E. Irekponor