"简而言之"
我想使用易于使用的tf.keras.preprocessing.image.ImageDataGenerator来加载批量的X和y图像，以训练CNN进行语义分割。
不幸的是，y图像的值在这个过程中被改变了，这是不应该的，因为这些值是编码类的整数。

• • 目前使用的数据和代码**

我有X和y数据，它们都是.tif的图像：

• X图像是RGB图像，尺寸为128 x 128 x 3（3个色带），dtype=uint8中的值理论上在0到255之间。
• y图像是尺寸为128 x 128 x 1和dtype=uint8的单波段（灰度）图像。它们将33个类编码为整数。

我设置了ImageDataGenerator来批量加载这些图像：

args_col = {"data_format" : "channels_last",
            "featurewise_std_normalization" : False,
            "brightness_range" : [0.5, 1.5]
            }
args_aug = {"rotation_range" : 365,
            "width_shift_range" : 0.25,
            "height_shift_range" : 0.25,
            "horizontal_flip" : True,
            "vertical_flip" : True,
            "fill_mode" : "constant",
            "featurewise_center" : False
            }
args_flow = {"class_mode" : None,
             "batch_size" : 10,
             "target_size" : (128, 128),
             "seed" : 42
             }

X_generator = ks.preprocessing.image.ImageDataGenerator(rescale = 1.0/255.0,
                                                        **args_aug,
                                                        **args_col)
X_gen = X_generator.flow_from_directory(directory = "/path/to/X",
                        color_mode = "rgb",
                        **args_flow)

y_generator = ks.preprocessing.image.ImageDataGenerator(**args_aug,
                                                        cval = NoDataValue,
                                                        dtype = "uint8")
y_gen = y_generator.flow_from_directory(directory = "/path/to/y",
                        color_mode = "grayscale",
                        interpolation = "nearest",
                        **args_flow)

train_generator = zip(X_gen, y_gen)

正如你所看到的，我设置了一个seed值，以获得匹配的图像和遮罩对。X图像被重新缩放，它们的亮度被改变，而y图像不是这样。
输出如下所示：

因此，图块是匹配的，乍一看一切都很好。但是，当我加载一对图像并查看数据格式（通过运行以下代码）时，我将得到dtype=float32：

sample_image, sample_mask = next(train_generator)

sample_mask

尽管我为y生成器设置了dtype = "uint8"，但这是不可能的。更糟糕的是：不仅数据类型发生了变化，值也发生了变化：

mask_array = np.array(sample_mask)
np.unique(mask_array)

退货：

Out[218]: 
array([ 3.       ,  3.0429225,  3.0458798, ..., 31.99783  , 31.999964 ,
       32.       ], dtype=float32)

(Note小数点分隔符后面的数字!）
显然，在旋转图像时一定存在某种插值。我将.flow_from_directory部分中的interpolation设置为"nearest"，因为我认为这将解决问题，并使用 * 最近邻 * 方法选择输出的像素值。不幸的是，情况并非如此（至少在某个点上，有插值正在进行，我的整数类被平均）。
那么，我如何防止这种情况呢？如果可能的话，我想继续使用ImageDataGenerator，因为它使代码易于阅读。

• • 编辑：**

我还尝试将preprocessing_function = toINT与一个函数一起使用

def toINT(filename):
    imgINT = filename.astype("uint8")
    return imgINT

然而，这也不起作用。可能在预处理结束时，值被更改为浮动的...