如何将深度学习模型测试得到的预测结果转换为PNG格式图片
修正方案
你原有代码无法正常保存PNG格式掩码的核心原因有3个:
- 模型输出的pred是形状为
(1, 图像高度, 图像宽度, 1)的浮点数组,取值范围为0~1的概率值,不能直接传入Image.fromarray生成有效图像 - 保存前没有做二值化处理(你可视化时用到的
>0.5阈值逻辑没有加到保存流程里) - 保存路径拼接错误,多了多余的单引号,且循环内手动给i自增属于冗余逻辑,for循环已经自动迭代i值
你可以直接替换原有循环的保存部分代码,修改后的完整循环逻辑如下:
from PIL import Image import numpy as np import cv2 import matplotlib.pyplot as plt for i in range(30): index = np.random.randint(1, len(df2.index)) # 读取并预处理原图 img = cv2.imread(df2['filename'].iloc[index]) img = cv2.resize(img, (im_height, im_width)) img = img / 255 img = img[np.newaxis, :, :, :] # 模型预测 pred = model.predict(img) # 可视化部分(保留原有逻辑) plt.figure(figsize=(12,12)) plt.subplot(1,3,1) plt.imshow(np.squeeze(img)) plt.title('Original Image') plt.subplot(1,3,2) plt.imshow(np.squeeze(cv2.imread(df2['mask'].iloc[index]))) plt.title('Original Mask') plt.subplot(1,3,3) plt.imshow(np.squeeze(pred) > .5) plt.title('Prediction') plt.show() # ========== 修正后的保存逻辑 ========== # 1. 去掉多余维度,二值化处理 pred_mask = (np.squeeze(pred) > 0.5).astype(np.uint8) # 2. 将二值的0/1转为0/255,适配PNG图像存储规范 pred_mask *= 255 # 3. 生成PIL图像并保存,修正路径拼接逻辑 im = Image.fromarray(pred_mask) save_path = r'C:\Users\Admin\Desktop\saglika2\Test\predicted_maske\{}_pred_image.png'.format(i) im.save(save_path)
如果需要保存带伪彩色的预测结果(和可视化展示的效果完全一致),可以替换保存逻辑为:
# 保存伪彩色预测掩码 plt.imshow(np.squeeze(pred) > .5) plt.axis('off') # 去掉坐标轴 plt.savefig(r'C:\Users\Admin\Desktop\saglika2\Test\predicted_maske\{}_pred_color.png'.format(i), bbox_inches='tight', pad_inches=0) plt.close()
内容的提问来源于stack exchange,提问作者Serdar ASARKAYA
相关产品推荐
相关产品推荐

