Извлеките объект (в основном один объект) в изображение, чтобы обучить его, используя (CNN) Convolution Neural Networks в Keras, используя ImageDataGenerator

Question

Я пытаюсь построить классификатор Tra sh, но проблема метода в том, что объекты почти одинаковы. Нет никакого способа различить человеческим глазом. Итак, я нашел что-то под названием Object Extraction или Watershed al go. Я думаю об использовании метода в preprocessing_method из ImageDataGenerator.

Я нашел учебник, из которого я мог бы сделать функцию. Есть 2 проблемы с функцией

1. . Она обрабатывает только массив изображений, который открывается cv2.imread(), но не простой массив изображений 3-D numpy.
2. На конец этого, это дает баун dry. Как извлечь из него объект только с прозрачным фоном.

Вот метод

def extract_obj(img):

    # img = cv2.resize(img,(W,H))
    #r,g,b = cv2.split(img)
    #rgb_img = cv2.merge([r,g,b])

    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU) 

    # noise removal
    kernel = np.ones((2,2),np.uint8)
    # opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2)
    closing = cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel, iterations = 2)

    sure_bg = cv2.dilate(closing,kernel,iterations=3)

    # Finding sure foreground area
    dist_transform = cv2.distanceTransform(sure_bg,cv2.DIST_L2,3)

    # Threshold
    ret, sure_fg = cv2.threshold(dist_transform,0.1*dist_transform.max(),255,0)

    # Finding unknown region
    sure_fg = np.uint8(sure_fg)
    unknown = cv2.subtract(sure_bg,sure_fg)

    # Marker labelling
    ret, markers = cv2.connectedComponents(sure_fg)

    # Add one to all labels so that sure background is not 0, but 1
    markers = markers+1

    # Now, mark the region of unknown with zero
    markers[unknown==255] = 0

    markers = cv2.watershed(img,markers)
    img[markers == -1] = [255,0,0]

    return img