Keras使用预训练模型迁移学习单通道灰度图像详解

from multiprocessing import Pool
from PIL import Image
import numpy as np
import os

def fakeRgb1(path, dst):
    '''
    方法1：直接使用convert将L转为RGB
    :param path:图片输出路径
    :param dst:图片输出路径
    :return:rgb3个通道值相等的rgb图像
    '''
    b = Image.open(path)
    # L代表转换为灰度图
    if b.mode != 'L':
        L = b.convert('L')
    L = L.convert('RGB')
    # 将图像转为数组
    rgb_array = np.asarray(L)
    # 将数组转换为图像
    rgb_image = Image.fromarray(rgb_array)
    rgb_image.save(dst + '\\' + path.split('\\')[-1])
    print(dst + '\\' + path.split('\\')[-1])

def fakeRgb2(path, dst):
    '''
    方法二：最原始的拼接数组方法
    :param path:图片输入路径
    :param dst:图片输出路径
    :return:rgb3个通道值相等的rgb图像
    '''
 
    b = Image.open(path)
    # L代表转换为灰度图
    if b.mode != 'L':
        L = b.convert('L')
    # 将图像转为数组
    b_array = np.asarray(L)
    # 将3个二维数组重叠为一个三维数组
    rgb_array = np.zeros((b_array.shape[0], b_array.shape[1], 3), "uint8")
    rgb_array[:, :, 0], rgb_array[:, :, 1], rgb_array[:, :, 2] = b_array, b_array, b_array
    rgb_image = Image.fromarray(rgb_array)
    rgb_image.save(dst + '\\' + path.split('\\')[-1])
    print(dst + '\\' + path.split('\\')[-1])

def get_image_paths(folder):
    return [os.path.join(folder, f) for f in os.listdir(folder)]
 
if __name__ == '__main__': # 多线程，多参数，starmap版本
    images = get_image_paths(path)
    output = [src for i in images]
 
    zip_args = list(zip(images, output))
    pool = Pool()
    pool.starmap(fakeRgb2, zip_args)
    pool.close()
    pool.join()