Matplotlib 图在 tf.image.resize 后变为空白

Question

我有一些用于 tensorflow 数据集的代码。 它以前工作得很好，它可能仍然有效。但我不这么认为

img = parse_image(img_paths[0])
img = tf.image.resize(img, [224, 224])
plt.imshow(img)

只输出一个空白的224x224 画布。

img = parse_image(img_paths[0])
plt.imshow(img)

正确输出图像。

img_paths 是带有路径名的字符串列表

我试过了：

img = parse_image(img_paths[0])
img = tf.image.resize([img], [224, 224])
plt.imshow(img[0])

和

img = parse_image(img_paths[0])
img = tf.image.resize(img, [224, 224])
plt.imshow(img.numpy())

和

img = parse_image(img_paths[0])
img = tf.image.resize([img], [224, 224])
plt.imshow(img.numpy()[0])

形状是正确的，这段代码以前也有效。 并且可能仍然有效，我想我可能无法正确使用它了（我写它已经有一段时间了）。

感谢您提供的任何提示或想法？当然还有解决方案;-)

Answer 1

嗯，

我在别处看到了一些东西并添加了这一行：

img = tf.image.convert_image_dtype(img, tf.float32)

在调整大小之前，它起作用了。

这非常奇怪，因为我以前不需要这条线。可能是因为版本更新？

无论哪种方式都有效：

img = parse_image(train_img_paths[0])
img = tf.image.convert_image_dtype(img, tf.float32)
img = tf.image.resize(img, [224, 224])
plt.imshow(img)

Answer 2

“问题”在于 Matplotlib。当您使用 Tensorflow 调整大小时，它会将您的输入变为浮动。 Matplotlib 接受两种图像格式，0-255 之间的整数和 0 到 1 之间的浮点数。如果您在大于 1 的浮点数上调用 plt.imshow()，它将剪切所有值，您将看到一个白色图像。我怀疑这就是你得到的。

tf.image.convert_image_dtype 有一个saturate 参数，其默认值使得0-255 整数范围变为0-1 浮点数。这就是它“有效”的原因，因为 Matplotlib 理解这种格式。在此之后，Tensorflow 调整大小操作也将其保持在 0-1 之间，所以它可以工作。