TensorFlow图像处理

#对图像的处理 import matplotlib.pyplot as pltimport tensorflow as tf #读取图像的原始数据 image_raw_data=tf.gfile.FastGFile( "./path/to/picture/timg.jpg" , 'rb' ).read()with tf.Session() as sess: #将图像用jpeg格式解码从而得到图像对应的三维矩阵，Tensorflow 还提供了tf.image_decode_png 函数对png格式的图像 #机械性解码。解码之后的结果为一个张量 img_data=tf.image.decode_jpeg(image_raw_data) print (img_data. eval ()) #使用pyplot工具可视化得到的图像 plt.imshow(img_data. eval ()) #plt.show() #将数据的类型转化为实数，方便下面的程序进行处理 img_data=tf.image.convert_image_dtype(img_data,dtype=tf.float32) #通过tf.image.resize_images函数调整图像的大小,method是调整的算法，0：双线性差值 1：最近邻居法 2：双3次差值法 3：面积差值法 resized=tf.image.resize_images(img_data,[ 300 , 300 ],method= 0 ) #输出图像的大小 print (resized.get_shape()) plt.imshow(resized. eval ()) #plt.show() #将表示一张图片的三维矩阵重新按照jpeg的格式编码存入文件中 encode_image=tf.image.encode_jpeg(img_data) with tf.gfile.GFile( './path/to/picture/timg_output.jpg' , 'wb' ) as f: f.write(encode_image. eval ()) #截取部分图像,从中间截取，如果截取的面积大于原图像，则填充0 croped=tf.image.resize_image_with_crop_or_pad(img_data, 1000 , 1000 ) plt.imshow(croped. eval ()) plt.show() #按照比例裁剪图像 central_croped=tf.image.central_crop(img_data, 0.5 ) plt.imshow(central_croped. eval ()) plt.show() #图像翻转 #将图像上下翻转 flipped=tf.image.flip_up_down(img_data) #将图像左右翻转 flipped=tf.image.random_flip_left_right(img_data) #将图像沿对角线翻转 transposed=tf.image.transpose_image(img_data) #将图像随机进行翻转 flipped=tf.image.random_flip_left_right(img_data) flipped=tf.image.random_flip_up_down(img_data) #随机进行上下翻转 #图像的色彩调整 #调整图像的亮度、对比度、饱和度和色相 #将图像的亮度-0.5 adjusted=tf.image.adjust_brightness(img_data,- 0.5 ) #在[-max_delta,max_delta]内随机调整图像的亮度 adjusted=tf.image.random_brightness(img_data, 0.5 ) #图像的对比度-5 adjusted=tf.image.adjust_contrast(img_data,- 5 ) #在[lower,upper]范围内随机调整图的对比度 adjusted=tf.image.random_contrast(img_data, 2 , 7 ) #调整图像的色相 adjusted=tf.image.adjust_hue(img_data, 0.3 ) #在[-maxdelta,maxdelta]范围内随机调整图像的色相 maxdelat 在0-0.5的范围内 adjusted=tf.image.random_hue(img_data, 0.4 ) #调整图像的饱和度 adjusted=tf.image.adjust_saturation(img_data, 5 ) #在[lower,upper]范围内随机调整图像的饱和度 adjusted=tf.image.random_saturation(img_data, 1 , 10 ) #tensorflow还提供了图像的准净化过程，将图像的数字均值变为0，方差变为1 adjusted=tf.image.per_image_standardization(img_data) #许多的图像需要关注的物体可以使用标注框标注出来 #tf.image.draw_bounding_boxes函数要求处理图像的矩阵是实数，输入是一个batch数据，多张图像组成的四维矩阵，所以需要将解码后的图像增加一个维度 batched=tf.expand_dims(img_data, 0 ) #下面都是相对的位置 boxes=tf.constant([[[ 0.05 , 0.05 , 0.7 , 0.9 ],[ 0.2 , 0.3 , 0.9 , 0.8 ]]]) result=tf.image.draw_bounding_boxes(batched,boxes) plt.imshow(result[ 0 ]. eval ()) plt.show()