【Tensorflow_DL_Note15】TensorFlow可视化学习2-用Matplotlib可视化

#====================================================================================================
#【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()