使用TensorFlow进行常用的图像处理-图像转为矩阵以及图像大小调整

• 图像编码处理
  将图像转为一个三维矩阵，并使用三维矩阵形成一个图像：

import tensorflow as tf
import matplotlib.pyplot as plt

# 读取原始图像数据
image_raw_data = tf.gfile.FastGFile("/tensorflow_google/cat.jpg", 'rb').read()

with tf.Session() as sess:
    # 将jpg图像转化为三维矩阵，若为png格式，可使用tf.image.decode_png
    img_data = tf.image.decode_jpeg(image_raw_data)
    # 输出解码之后的三维矩阵
    # print(img_data.eval())
    # 使用plt显示图像
    # plt.imshow(img_data.eval())
    # plt.show()

    # 将数据的类型转化为实处方便处理
    img_data = tf.image.convert_image_dtype(img_data, dtype=tf.uint8)

    # 将表示一张图像的三维矩阵重新按照jpeg格式编码并存入文件
    encoded_image = tf.image.encode_jpeg(img_data)
    with tf.gfile.GFile("/tensorflow_google/encoded.jpeg", 'wb') as f:
        f.write(encoded_image.eval())

• 图像大小调整
  将图像的大小统一，TensorFlow使用了四种不同的方法，并将它们封装到tf.image.resize_images函数中：
  1）method = 0，使用双线性插值法
  2）method = 1， 使用最近邻法
  3）method = 2， 使用双三次插值法
  4）method = 3， 使用面积插值法
  以下为使用代码：

import tensorflow as tf

# 读取原始图像数据
image_raw_data = tf.gfile.FastGFile("/tensorflow_google/cat.jpg", 'rb').read()

with tf.Session() as sess:
    # 将jpg图像转化为三维矩阵，若为png格式，可使用tf.image.decode_png
    img_data = tf.image.decode_jpeg(image_raw_data)
    img_data = tf.image.convert_image_dtype(img_data, dtype=tf.float32)
    # 通过tf.image.resize_images调整图像大小，size中为调整后的格式，method为调整图像大小的算法
    resized = tf.image.resize_images(img_data, size=[300, 300], method=0)

    # 输出调整后图像的大小，深度没有设置，所以是？
    print(resized.get_shape())

>>(300, 300, ?)

注意：若出现以下错误
TypeError: resize_images() got multiple values for argument ‘method’
则是因为使用了旧版resize_images函数，如下：

resized = tf.image.resize_images(img_data, 300, 300, method=0)

新版resize_images函数改为：

resized = tf.image.resize_images(img_data, size=[300, 300], method=0)