如何用Keras的ImageDataGenerator与flow_from_directory分类别保存增强图像
解决Keras ImageDataGenerator分类别保存增强图像的问题
核心思路
- 不再一次性读取所有类别的图像,为每个类别单独创建数据生成器
- 每个生成器独立配置读取路径和对应类别的增强结果保存路径
修正后的完整代码
from keras.preprocessing.image import ImageDataGenerator # 定义各类别对应的读取路径和保存路径 class_path_map = { "benign": { "read_path": "D:/dataset/original_images/benign", "save_path": "D:/dataset/augmented_images/augmented_benign" }, "malignant": { "read_path": "D:/dataset/original_images/malignant", "save_path": "D:/dataset/augmented_images/augmented_malignant" } } # 复用同一个数据增强配置,可根据需求调整参数 datagen = ImageDataGenerator(rotation_range=90) # 遍历每个类别分别生成增强图 for class_info in class_path_map.values(): data_generator = datagen.flow_from_directory( # 直接指向单个类别的目录 directory=class_info["read_path"], classes=['.'], # 直接读取当前目录下的图像,不搜索子目录 target_size=(128, 128), color_mode="rgb", batch_size=20, # 保存路径设为当前类别对应的独立目录 save_to_dir=class_info["save_path"], class_mode=None, # 单类别读取不需要分类标签 save_prefix="augmented", save_format="png" ) # 每个类别生成10轮增强图,每轮生成batch_size张 for i in range(10): data_generator.next()
补充说明
- 原代码存在错误:
save_to_dir参数传入了字符串"save_dir_path"而非实际的路径变量,会导致写入路径错误,上述代码已修正 - 该方案不需要修改Keras底层源码,逻辑清晰易维护,后续如果新增类别只需要在
class_path_map中添加对应路径配置即可
内容的提问来源于stack exchange,提问作者ma_shamshiri
相关产品推荐
相关产品推荐

