深層学習において、分類問題でなく画像を出力とした場合を想定している。画像を出力にした場合にはそのままではOpenCVで可視化できない。

動作環境

Ubuntu 16.04
Python 3.5.2
Chainer 3.2
numpy 1.13.3
opencv-python 3.2

画像をChainerの入力にするために変換する

OpenCVで画像を読み込むと縦、横、色数の順で構成された行列となっているが、Chainerで利用する時は色数、縦、横に変換する必要がある。さらに形式をuint8からfloat32にする必要がある。

def img2arr(imgs, norm=255, dtype=np.float32, gpu=-1):
    """
    入力画像リストをChainerで利用するために変換する
    [in]  imgs:  入力画像リスト
    [in]  norm:  正規化する値（255であれば、0-255を0-1に正規化する）
    [in]  dtype: 変換するデータタイプ
    [in]  gpu:   GPUを使用する場合はGPUIDを入力する
    [out] 生成された行列
    """

    shape = imgs[0].shape
    w, h = shape[:2]
    if(len(shape) == 2):
        ch = 1
    else:
        ch = shape[2]

    if(gpu >= 0):
        return xp.array(imgs, dtype=dtype).reshape((-1, ch, w, h)) / norm
    else:
        return np.array(imgs, dtype=dtype).reshape((-1, ch, w, h)) / norm

Chainerの出力を表示するために変換する

先ほどとやっていることは同じだが、dtypeをuint8にするタイミングに注意が必要。1行で同時に処理しようとすると0と255のみで構成される画像として変換されてしまうため注意が必要。

def arr2img(arr, ch, size, norm=255, dtype=np.uint8):
    """
    Chainerの出力をOpenCVで可視化するために変換する
    [in]  arr:   Chainerから出力された行列
    [in]  ch:    画像に変換する際のチャンネル数
    [in]  size:  画像に変換する際の画像サイズ
    [in]  norm:  正規化をもとに戻す数（255であれば、0-1を0-255に変換する）
    [in]  dtype: 変換するデータタイプ
    [out] OpenCV形式の画像に変換された行列
    """

    y = np.array(arr).reshape((-1, size, size, ch)) * 255
    return np.array(y, dtype=np.uint8)

もっといい方法があればコメントください。