如何解决Keras调用img_to_array处理图片时抛出数组参数错误的问题

这个报错是Pillow（PIL）版本与keras_preprocessing、numpy版本不兼容导致的：高版本Pillow的Image对象__array__方法签名发生变更，keras的img_to_array调用numpy.asarray转数组时传入的参数无法匹配接口要求。

方案1：降级Pillow到兼容版本（最省事，适配原有所有代码） #

直接安装经过验证的兼容版本即可，执行命令：

pip install pillow==9.4.0

该版本与keras 2.x、numpy 1.19~1.21版本系列均适配，修复后原有代码不需要做任何修改即可正常运行。

方案2：修改代码绕过兼容问题（不改动依赖版本） #

在load_img之后新增手动转numpy数组的步骤，修改后代码如下：

from keras.preprocessing.image import load_img, img_to_array
import numpy as np

img = load_img('/home/idu/Desktop/COV19D/train/non-covid/ct_scan_0/0.jpg')
# 手动将PIL图像对象转数组后再传入img_to_array
x = img_to_array(np.array(img))

方案3：适配批量加载需求，改用TensorFlow内置的图像生成器接口 #

TensorFlow 2.x之后内置的tf.keras.preprocessing.image相关接口已经修复了该版本兼容问题，你后续要批量从目录加载图片可以直接用该接口，示例代码如下：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 可根据需求加入数据扩增、归一化逻辑
train_datagen = ImageDataGenerator(rescale=1./255, rotation_range=10, horizontal_flip=True)

train_generator = train_datagen.flow_from_directory(
        # 训练集根目录，下分covid、non-covid子文件夹即可自动标注类别
        directory='/home/idu/Desktop/COV19D/train/',
        target_size=(150, 150),
        # 医学CT影像为单通道，可设置color_mode="grayscale"减少冗余计算
        color_mode="rgb",
        batch_size=32,
        class_mode='binary')
# 后续直接将train_generator传入model.fit()即可训练

针对医学CT影像分类场景，加载图片时建议设置color_mode='grayscale'，避免将单通道的CT图转成3通道RGB格式，减少不必要的算力消耗，也更符合原始数据的特征属性。

内容的提问来源于stack exchange，提问作者Kenan Morani