TensorFlow学习－－tensorflow图像处理--添加标注框

添加标注框

tf.image.draw_bounding_boxes

tensorflow通过tf.image.draw_bounding_boxes函数加入标注框．

#!/usr/bin/python
# coding:utf-8

import matplotlib.pyplot as plt
import tensorflow as tf
# 读取图像数据
img = tf.gfile.FastGFile('daibola.jpg').read()

with tf.Session() as sess:
    img_data = tf.image.decode_jpeg(img)
    # tf.image.draw_bounding_boxes要求图像矩阵中的数字为实数
    # 利用tf.image.convert_image_dtype将图像矩阵转化为实数
    batched = tf.expand_dims(tf.image.convert_image_dtype(img_data, tf.float32), 0)
    # 边界框坐标是相对于宽度和宽度在[0.0，1.0]内的浮点数，即这里给出的都是图像的相对位置[0.1, 0.2, 0.8, 0.8]即（0.1*wide, 0.2*high）到（0.8*wide, 0.8*high）
    boxes = tf.constant([[[0.1, 0.2, 0.8, 0.8]]])
    # 在图像上绘制边界框
    result = tf.image.draw_bounding_boxes(batched, boxes)

    plt.subplot(121), plt.imshow(img_data.eval()), plt.title('original')
    plt.subplot(122), plt.imshow(result[0].eval()), plt.title('result')

    plt.show()

输出：

图像比较大时，部分边界框可能会出现显示问题．可以先将图像缩小一些,让标注清楚．

 resize = tf.image.resize_images(img_data, (200, 350), method=1)

tf.image.sample_distorted_bounding_box

通过tf.image.sample_distorted_bounding_box函数可以实现图像的随机截取．通常用于随机截取图像上由信息量的部分以提高模型的鲁帮性/robustness．使训练出的模型不受识别物体的大小的影响．

#!/usr/bin/python
# coding:utf-8

import matplotlib.pyplot as plt
import tensorflow as tf
# 读取图像数据
img = tf.gfile.FastGFile('daibola.jpg').read()

with tf.Session() as sess:
    img_data = tf.image.decode_jpeg(img)

    boxes = tf.constant([[[0.2, 0.2, 0.9, 0.7]]])
    # 为图像生成一个随机扭曲的边界框
    # 通过提供标注框的方式来告诉随机截取图像的范围
    begin, size, bbox_for_draw = tf.image.sample_distorted_bounding_box(tf.shape(img_data), bounding_boxes=boxes)
    # 在张量形状中插入1个维度
    batched1 = tf.expand_dims(tf.image.convert_image_dtype(img_data, tf.float32), 0)
    # 在图像上绘制边界框
    image_with_box = tf.image.draw_bounding_boxes(batched1, bbox_for_draw)
    # 从张量中提取切片
    distorted_image = tf.slice(img_data, begin, size)

    plt.subplot(121), plt.imshow(img_data.eval()), plt.title('original')
    plt.subplot(122), plt.imshow(distorted_image.eval()), plt.title('result')

    plt.show()