图像预处理

粗略记录一下，用于处理计算机视觉的图像处理代码（不涉及理论）
后续也会持续更新……

1. opencv 读取图片

import cv2 as cv # 导入open cv

# 读取图片路径
img = cv.imread("/home/tlooh/下载/Data/tmp/1",cv.IMREAD_GRAYSCALE)
# 显示图片，picture为显示窗口的title，第二个img为图片路径
cv.imshow("picture",img)
# 参数=0: （也可以是小于0的数值）一直显示，不会有返回值      
# 若在键盘上按下一个键即会消失 ，则会返回一个按键对应的ascii码值       
# 参数>0:显示多少毫秒        超过这个指定时间则返回-1
cv.waitKey(1000)
# 摧毁所有窗口
cv.destroyAllWindows()

cv.IMREAD_GRAYSCALE

这个参数应该是灰度化，更多的的灰度处理方式可以看这里：参考博客

2. 直方图均衡化

很详细的一篇参考博客：OpenCV计算机视觉学习（9）——图像直方图 & 直方图均衡化

import cv2 as cv

# 读取图像，并灰度化
img = cv.imread("/home/tlooh/下载/Data/tmp/1",cv.IMREAD_GRAYSCALE)

# 调用函数cv.calcHist() 绘制直方图
img_hist = cv.calcHist([img],[0],None,[256],[0,256])

# 调用函数 cv.equalizeHist() 实现直方图均衡化
result_img = cv.equalizeHist(img)

# 显示两幅图像对比
cv.imshow('before',img)
cv.imshow('after',result_img)

cv.waitKey(5000)
cv.destroyAllWindows()


# 使用matplotlib进行直方图绘制
import matplotlib.pyplot as plt

# 前后两副直方图对比
plt.hist(img.ravel(),256)
plt.show()

plt.hist(result_img.ravel(),256)
plt.show()

关于cv.calcHist() 函数参数意义：

运行效果（效果其实挺明显的）：

直方图对比，可以看到原来灰度值频率很低的地方得到了填充，也就是所谓的均衡化；

想要追求效果明显的化，可以找一下局部过曝，或者亮度不均匀的图片进行测试，效果会更加明细。

3. 双线性插值

tf.gfile.FastGFile(path,decodestyle) 

函数功能：实现对图片的读取。 
函数参数： (1)path：图片所在路径
         (2)decodestyle：图片的解码方式。(‘r’：UTF-8编码； ‘rb’：非UTF-8编码)

# 附上代码
# 图像大小调整
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
tf.compat.v1.disable_eager_execution()


imgpath2 = "/home/tlooh/下载/Data/tmp/2.jpeg"

def resize_img(imgpath,target_size):
    img_raw_data = tf.io.gfile.GFile(imgpath2,'rb').read()
    
    with tf.compat.v1.Session() as sess:
    
        # 将图像使用JPEG的格式解码从而得到图像对应的三维矩阵
        # TensorFlow提供了 tf.image.decode_png 函数对png格式的图像进行解码
        # 解码之后的结果为一个张量，在使用它的取值之前需要明确调用运行的过程
        img_data = tf.image.decode_jpeg(img_raw_data)

#         img_data.set_shape([600,600,3])
#         print(img_data.shape.as_list())
        # 通过tf.image.resize_images函数调整图像的大小
        # 这个函数第一个参数为原始图像，第二个和第三个参数为调整后图像的大小
        # antialias 参数给出了调整图像大小的算法
        resized = tf.image.resize(img_data, target_size, antialias=True)

        # 输出调整后图像的大小，此处的结果为（300， 300， ？）表示图像的大小为300*300
        # 但是在图像的深度还没有明确设置之前会是问号


        # TensorFlow的函数处理图片后存储的数据是float32格式的，
        # 需要转换成uint8才能正确打印图片。
        resized_photo = np.asarray(resized.eval(), dtype='uint8')
        
        plt.imshow(resized_photo)
        plt.show()
        
        # 通道转换
        resized_photo = cv.cvtColor(resized_photo,cv.COLOR_BGR2RGB)
        img_show("resized",resized_photo)
        

    
resize_img(imgpath2,[600,600])

    

(1) 报错 AttributeError: module ‘tensorflow’ has no attribute ‘gfile’

原因与解决方案

然后百度，发现是说问题产生的原因：在当前的版本中，gfile已经定义在io包的file_io.py中。

img_raw_data = tf.gfile.FastGFile(imgpath2,'rb').read()

于是改为

    img_raw_data = tf.io.gfile.FastGFile(imgpath2,'rb').read()

仍然报错

然后查阅官方文档才发现，调用形式发生变化，这里附上官方文档地址：TensorFlow-Python 文档

img_raw_data = tf.io.gfile.GFile(imgpath2,'rb').read()

至此，问题解决

(2) 报错 AttributeError: module ‘tensorflow._api.v2.image’ has no attribute ‘resize_images’

原因应该如先前一样，版本高了，函数发生了变化：

代码如下，问题解决！

# 双线性插值    
resized = tf.image.resize(img_data, target_size, antialias='bilinear')

(3) plt.imshow() 和 cv.imshow() 展示的图片不一样？

问题如下，img_show() 是我自己封装的cv展示函数

原理很简单：

opencv的是按照B、G、R 三个通道读取图片；

matplotlib.pyplot 则是R、G、B模式，也就是说opencv有点特别

所以我们需要用函数 cv.cvtColor( xxx , cv.COLOR_BGR2RGB) # CV BGR转变RGB

plt.imshow(resized_photo)
plt.show()
        
# 通道转换
        resized_photo = cv.cvtColor(resized_photo,cv.COLOR_BGR2RGB)
        img_show(resized_photo)
        

问题解决！！