#==================================================================================================== #【NumPy库简介】 # [1]NumPy是非常有名的Python科学计算工具包,其中包含大量有用的思想,比如【数组对象】,用来表示向量、矩阵、 # 图像等以及【线性代数函数】。 # [2]【数据对象】可以帮助你实现数组中重要的操作,比如【矩阵乘积】、【转置】、【解方程系统】、【向量乘积】和 # 【归一化】操作等,这些都为图像变形,对变化建模、图像分类、图像聚类等提供了基础。 #【Matplotlib库简介】 # [1]我们处理【数学运算】、【绘制图表】、或者在【图像上绘制点】、【直线】和【曲线】时,Matplotlib是个很好 # 的库,具有比PIL更强大的绘图功能。 # [2]Matplotlib中的PyLab接口包含很多方便用户创建图像的函数。 #==================================================================================================== #==================================================================================================== #【Tensorflow中的图像处理函数】 # [1]在Tensorflow中,我们可以将一张【RGB彩色模式的图像】看成一个【三位矩阵:张量】,矩阵中的每一个数表示图像 # 上不同位置,不同颜色的亮度。 # [2]然而,图像在存储时,并不是直接记录这些矩阵中的数字,而是记录经过压缩编码之后的结果。所以,要将一张图像还 # 原成一个三维矩阵,需要解码的过程。Tensorflow提供了对Jpeg和png格式图像编码/解码的函数。 #==================================================================================================== import cv2 import tensorflow as tf import matplotlib.pyplot as plt #【1】实例化一个Tensorflow中文件读写类tf.gfile.FastGFile的类对象,该类的构造函数第二个参数为文件路径,第三个参数 #为读写文件的模式,rb表示读取二进制文件 image_jpg = tf.gfile.FastGFile('F:/cifar-10-batches-py/building.jpg','rb').read() with tf.Session() as sess: image_jpg = tf.image.decode_jpeg(image_jpg) #[1]图像解码 print(sess.run(image_jpg)) #[2]打印解码后的图像(即为一个三维矩阵[w,h,3]) image_jpg = tf.image.convert_image_dtype(image_jpg,dtype=tf.uint8) #[3]改变图像数据类型 resiz_img = tf.image.resize_images(image_jpg,[300,200],method=tf.image.ResizeMethod.NEAREST_NEIGHBOR) print(resiz_img.get_shape()) plt.figure(1) #[4]创建一个图像显示窗口 plt.imshow(image_jpg.eval()) plt.figure(2) plt.imshow(resiz_img.eval()) plt.show()
【Tensorflow_DL_Note15】TensorFlow可视化学习2-用Matplotlib可视化
最新推荐文章于 2023-12-09 17:08:42 发布