1. Keras圖像處理API
Keras深度學習庫提供了用於處理圖像數據的實用程序。主要API是ImageDataGenerator類，該類結合了數據加載，準備和擴充。Keras提供了用於加載，轉換和保存圖像數據的功能。這些函數在utils.py函數中，並通過image.py模塊公開。Keras中的所有圖像處理都需要安裝Pillow庫。
2. 使用Keras加載圖像
Keras 提供了 load_img() 函數，用於從文件中加載圖像作爲PIL圖像對象。
# 導入API
from tensorflow.keras.preprocessing.image import load_img
# 讀取單張圖片
img = load_img('cat.jpg')
# 打印圖片詳情
print(type(img))
print(img.format)
print(img.mode)
print(img.size)
img.show()
輸出：
<class 'PIL.JpegImagePlugin.JpegImageFile'>
JPEG
RGB
(4928, 3264)
load_img() 函數提供額外的加載圖像參數，如 color_mode 參數，可以指定圖像模式（默認爲rgb）；target_size參數允許指定圖像的高度和寬度，用元組格式指定，並在加載後自動調整圖像大小。
3. 使用Keras轉換圖像
Keras提供了 img_to_array() 函數，用於將已加載的PIL格式的圖像轉換爲NumPy數組，以用於深度學習模型處理。該API還提供了 array_to_img() 函數，用於將NumPy像素數據數組轉換爲PIL圖像。如果在圖像爲陣列格式時修改了像素數據，然後可以保存或查看像素數據。
下面的示例加載測試圖像，將其轉換爲NumPy數組，然後將其轉換回PIL圖像。
from tensorflow.keras.preprocessing.image import load_img
from tensorflow.keras.preprocessing.image import img_to_array, array_to_img
# 讀取單張圖片
img = load_img('cat.jpg')
print(type(img))
# convert to numpy array
img_array = img_to_array(img)
print(img_array.dtype)
print(img_array.shape)
# convert back to image
img_pil = array_to_img(img_array)
print(type(img))
輸出：
<class 'PIL.JpegImagePlugin.JpegImageFile'>
float32
(3264, 4928, 3)
<class 'PIL.JpegImagePlugin.JpegImageFile'>
可以看到像素值從無符號整數轉換爲32位浮點值，轉換後的數組格式爲 [height，width，channels]。最後，圖像被轉換回PIL格式。
4. 使用Kearas保存圖像
Keras API還提供了 save_img() 函數以將圖像保存到文件。該函數採用保存圖像的路徑，並以NumPy數組格式保存圖像數據。文件格式是從文件名推斷出來的，但也可以通過 file_format 參數指定。
下面的示例以灰度格式加載照片圖像，將其轉換爲NumPy數組，然後將其保存爲新文件名。
from keras.preprocessing.image import load_img, save_img, img_to_array
# 以灰度格式加載圖片
img = load_img('cat.jpg', grayscale=True)
# 轉換爲numpy數組
img_array = img_to_array(img)
# 保存新圖像
save_img('cat_grayscale.jpg', img_array)
# 加載新保存的灰度圖
img = load_img('cat_grayscale.jpg')
print(type(img))
print(img.format)
print(img.mode)
print(img.size)
img.show()
輸出：
<class 'PIL.Image.Image'>
None
RGB
(4928, 3264)
https://machinelearningmastery.com/how-to-load-convert-and-save-images-with-the-keras-api/