使用している画像は16ビットなのに8ビットの画像が出力されてしまい、困っています

学習に用いる画像、推論で入力する画像すべてuint16型の画像を使っていますが、出力されてくる結果の画像はuint8型になってしまいます。
出力画像もuint16型で出したいです。以下がコードになります。
解決方法が分かる方いらっしゃいましたら、教えていただきたいです。よろしくお願いします。

from __future__ import division
from __future__ import absolute_import
import os
import cv2
import numpy as np
from keras.layers import Input, Conv3D, MaxPooling3D, UpSampling3D, Add, BatchNormalization
from keras.models import Model
import keras.optimizers as optimizers
from tensorflow.python.keras import backend as K
import matplotlib.pyplot as plt



IMAGE_SIZE = 512
EPOCHS = 100


# ディレクトリ内の画像を読み込む
# inputpath: ディレクトリ文字列，imagesize: 画像サイズ, type_color: ColorかGray
def load_images(inputpath, imagesize, type_color):
    imglist = []

    for root, dirs, files in os.walk(inputpath):
        for fn in sorted(files):
            bn, ext = os.path.splitext(fn)
            if ext not in [".bmp", ".BMP", ".jpg", ".JPG", ".jpeg", ".JPEG", ".png", ".PNG"]:
                continue

            filename = os.path.join(root, fn)
            
            if type_color == 'Color':
                # カラー画像の場合
                testimage = cv2.imread(filename, cv2.IMREAD_COLOR)
                # サイズ変更
                height, width = testimage.shape[:2]
                testimage = cv2.resize(testimage, (imagesize, imagesize), interpolation = cv2.INTER_AREA)  #主に縮小するのでINTER_AREA使用
                testimage = np.asarray(testimage, dtype=np.float64)
                # チャンネル，高さ，幅に入れ替え．data_format="channels_first"を使うとき必要
                #testimage = testimage.transpose(2, 0, 1)
                # チャンネルをbgrの順からrgbの順に変更
                testimage = testimage[::-1]
            
            elif type_color == 'Gray':
                # グレースケール画像の場合
                testimage = cv2.imread(filename, cv2.IMREAD_GRAYSCALE)
                # サイズ変更
                height, width = testimage.shape[:2]
                #testimage = cv2.resize(testimage, (imagesize, imagesize), interpolation = cv2.INTER_AREA)  #主に縮小するのでINTER_AREA使用
                #testimage = np.reshape(testimage, (4, 512, 512))
                # 2次元配列を3次元配列に変換する
                testimage = np.asarray([testimage], dtype=np.float64)
                testimage = np.asarray(testimage, dtype=np.float64).reshape((4, 512, 512))
                # チャンネルの次元がないので1次元追加する
                testimage = np.asarray([testimage], dtype=np.float64)
                testimage = np.asarray(testimage, dtype=np.float64).reshape((1, 4, 512, 512))
                # 高さ，幅，チャンネルに入れ替え．data_format="channels_last"を使うとき必要
                testimage = testimage.transpose(1, 2, 3, 0)

            imglist.append(testimage)
    imgsdata = np.asarray(imglist, dtype=np.float32)

    return imgsdata, sorted(files)  # 画像リストとファイル名のリストを返す

# 指定ディレクトリに画像リストの画像を保存する
# savepath: ディレクトリ文字列, filenamelist: ファイル名リスト, imagelist: 画像リスト
def save_images(savepath, filenamelist, imagelist):
    for i, fn in enumerate(filenamelist):
        filename = os.path.join(savepath, fn)
        testimage = imagelist[i].reshape(2048,512)
        #testimage = np.delete(testimage, 2, 1)  # グレースケール画像を保存するときだけ使用．チャンネルに相当する3列目削除   #幅を一つ消してしまう!!
        cv2.imwrite(filename, testimage)


#%%
# データ準備
# 画像読み込み
# training用の低解像度画像と高解像度画像読み込み
imagelow_train, imagelow_train_filenames = load_images(".\InputImage_train\", (2048, 512), 'Gray')
imagehigh_train, imagehigh_train_filenames = load_images(".\TeachImage_train\", (2048, 512), 'Gray')
# test用の低解像度画像と高解像度画像読み込み
imagelow_test, imagelow_test_filenames = load_images(".\InputImage_test\", (2048, 512), 'Gray')
imagehigh_test, imagehigh_test_filenames = load_images(".\TeachImage_test\", (2048, 512), 'Gray')

image_infer, image_infer_filenames = load_images(".\InputImage_inference\", (2048, 512), 'Gray')

# 画素値0-1正規化 8bit用
#imagelow_train /= 255
#imagehigh_train /= 255
#imagelow_test /= 255
#imagehigh_test /= 255
#image_infer /= 255

# 画素値0-1正規化 16bit用
imagelow_train += 1000
imagehigh_train += 1000
imagelow_test += 1000
imagehigh_test += 1000
image_infer += 1000

imagelow_train /= 2000
imagehigh_train /= 2000
imagelow_test /= 2000
imagehigh_test /= 2000
image_infer /= 2000

#%%
# ネットワークの定義
# Super Resolution CNN
def network_srcnn():
    input_img = Input(shape=(IMAGE_SIZE, IMAGE_SIZE, IMAGE_SIZE, 1))
    
    x = Conv2D(128, (9, 9), activation="relu", padding='same')(input_img)
    x = Conv2D(64, (3, 3), activation="relu", padding='same')(x)
    x = Conv2D(1, (5, 5), padding='same')(x)

    model = Model(input_img, x)
    
    return model

# Deep Denoising Super Resolution CNN
def network_ddsrcnn2():
    #Input(InputImageSize, InputImgageSize, Channel)
    input_img = Input((4, IMAGE_SIZE, IMAGE_SIZE, 1), dtype='float')
    
    enc1 = Conv3D(64, kernel_size=3, activation="relu", padding='same')(input_img)
    enc1 = Conv3D(64, kernel_size=3, activation="relu", padding='same')(enc1)
    down1 = MaxPooling3D(pool_size=2)(enc1)
    
    enc2 = Conv3D(128, kernel_size=3, activation="relu", padding='same')(down1)
    enc2 = Conv3D(128, kernel_size=3, activation="relu", padding='same')(enc2)
    down2 = MaxPooling3D(pool_size=2)(enc2)
    
    enc3 = Conv3D(256, kernel_size=3, activation="relu", padding='same')(down2)
    
    up3 = UpSampling3D(size=2)(enc3)
    dec3 = Conv3D(128, kernel_size=3, activation="relu", padding='same')(up3)
    dec3 = Conv3D(128, kernel_size=3, activation="relu", padding='same')(dec3)
    
    add2 = Add()([dec3, enc2])
    up2 = UpSampling3D(size=2)(add2)
    dec2 = Conv3D(64, kernel_size=3, activation="relu", padding='same')(up2)
    dec2 = Conv3D(64, kernel_size=3, activation="relu", padding='same')(dec2)
    
    add1 = Add()([dec2, enc1])
    dec1 = Conv3D(1, kernel_size=5, activation="linear", padding='same')(add1)
    
    model = Model(input=input_img, output=dec1)
    
    return model

model = network_ddsrcnn2()

# ネットワークを表示
print(model.summary())


#%%
def psnr(y_true, y_pred):
    return -10*K.log(K.mean(K.flatten((y_true - y_pred))**2))/np.log(10)
   
# trainingの設定
from keras.utils import multi_gpu_model    

#multigpuの設定
adam = optimizers.Adam(lr=1e-3)
parallel_model = multi_gpu_model(model, gpus=2)
parallel_model.compile(loss='mean_squared_error', optimizer='adam', metrics=[psnr])

from keras.callbacks import ModelCheckpoint

#エポックごとにモデル保存
os.makedirs('model', exist_ok=True)
model_checkpoint = ModelCheckpoint(
        filepath=os.path.join('model', 'model_{epoch:02d}_h5'),
        monitor='val_loss', period=5,
        verbose=1)

# training実行
# training用低解像度画像と高解像度画像でtrainingする．validation用にtest用の低解像度画像と高解像度画像を使用する．
training = parallel_model.fit(imagelow_train, imagehigh_train,
                     epochs=EPOCHS, batch_size=6, shuffle=True, validation_data=(imagelow_test, imagehigh_test),
                     callbacks=[model_checkpoint], verbose=1)


# 学習履歴グラフ表示
def plot_history(history):
    plt.plot(history.history['psnr'])
    plt.plot(history.history['val_psnr'])
    plt.title('model accuracy')
    plt.xlabel('epoch')
    plt.ylabel('accuracy')
    plt.legend(['psnr', 'val_psnr'], loc='lower right')
    plt.show()
    
    plt.plot(history.history['loss'])
    plt.plot(history.history['val_loss'])
    plt.title('model loss')
    plt.xlabel('epoch')
    plt.ylabel('loss')
    plt.legend(['loss', 'val_loss'], loc='lower right')
    plt.show()
    
plot_history(training)


#%%
# test用低解像度画像を用いた推定の実行
results = model.predict(image_infer, batch_size=6, verbose=1)

# 推定結果の画像をファイル保存
#results *= 255    # 0-1の範囲の値が出力されるので見やすいように255倍する
results *= 2000    
results -= 1000
save_images(".\result\", image_infer_filenames, results)

行動規範の内容に同意します

回答1件

ベストアンサー

コードをすべて読んではいませんが、問題となっているのはモデルから出力された float 型の画像を uint16 型の画像に変換する処理がないことだと思います。

以下のステップで float 型の (H, W) の numpy 配列を uint16 型に変換してから保存してください。

[src.min(), src.max()] -> [0, 2000] にスケールする。
uint16 にキャストする。
cv2.imwrite で保存する。

python
1import cv2
2import numpy as np
3
4# float 画像を適当に生成する。
5src = np.random.uniform(0, 1, (100, 100))
6print(src.dtype, src.shape)  # float64 (100, 100)
7
8# [src.min(), src.max()] -> [0, 2000] にスケールする。
9dst = np.interp(src, (src.min(), src.max()), (0, 2000))
10dst = dst.astype(np.uint16)  # float -> uint16
11
12# 保存する。
13cv2.imwrite("result.png", dst)
14
15# 読み込む。
16src = cv2.imread("result.png", cv2.IMREAD_ANYDEPTH | cv2.IMREAD_ANYCOLOR)
17print(src.dtype, src.shape)  # uint16 (100, 100)
18
19print(dst.min(), dst.max())