深度学习框架Tensorflow学习与应用 图像数据处理之二

四：图像色彩调整

        和图像翻转类似，调整图像的亮度、对比度、饱和度和色相在很多图像识别应用中都不会影响识别结果。所以在训练神经网络模型时，可以随机的调整训练图像的这些属性，从而使训练得到的模型尽可能地受到无关因素的影响。话不多说，上代码了。

注意：路径要用英文，不要有中文

（一）调整亮度与调整对比度

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np

# 读取图像的原始数据
image_raw_data = tf.gfile.FastGFile("timg.jpg", 'rb').read()

with tf.Session() as sess:
    image_data = tf.image.decode_jpeg(image_raw_data)

    #将图像的亮度-0.5
    adjusted = tf.image.adjust_brightness(image_data,-0.5)
    adjusted = np.asarray(adjusted.eval(),dtype='uint8')
    encode_image = tf.image.encode_jpeg(adjusted)
    with tf.gfile.GFile("out./04.adjust_brightness_down.jpg",'wb') as f:
        f.write(encode_image.eval())

    #将图像的亮度+0.5
    adjusted = tf.image.adjust_brightness(image_data,0.5)
    adjusted = np.asarray(adjusted.eval(),dtype='uint8')
    encode_image = tf.image.encode_jpeg(adjusted)
    with tf.gfile.GFile("out./04.adjust_brightness_up.jpg",'wb') as f:
        f.write(encode_image.eval())

    #在[-max_delta,max_delta）的范围内随机调整图片的亮度
    adjusted = tf.image.random_brightness(image_data,max_delta=0.5)
    adjusted = np.asarray(adjusted.eval(),dtype='uint8')
    encode_image = tf.image.encode_jpeg(adjusted)
    with tf.gfile.GFile("out./04.random_brightness.jpg",'wb') as f:
        f.write(encode_image.eval())

    #将图片对比度-5
    adjusted = tf.image.adjust_contrast(image_data, -5)
    adjusted = np.asarray(adjusted.eval(), dtype='uint8')
    encode_image = tf.image.encode_jpeg(adjusted)
    with tf.gfile.GFile("out./04.adjust_contrast_down.jpg", 'wb') as f:
        f.write(encode_image.eval())

    #将图片对比度+5
    adjusted = tf.image.adjust_contrast(image_data, 5)
    adjusted = np.asarray(adjusted.eval(), dtype='uint8')
    encode_image = tf.image.encode_jpeg(adjusted)
    with tf.gfile.GFile("out./04.adjust_contrast_up.jpg", 'wb') as f:
        f.write(encode_image.eval())

    #在[lower,upper]的范围随机调整图的对比度
    adjusted = tf.image.random_contrast(image_data, lower=0.1,upper=0.5)
    adjusted = np.asarray(adjusted.eval(), dtype='uint8')
    encode_image = tf.image.encode_jpeg(adjusted)
    with tf.gfile.GFile("out./04.random_contrast.jpg", 'wb') as f:
        f.write(encode_image.eval())

       

     

（二）调整色相和饱和度

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np

# 读取图像的原始数据
image_raw_data = tf.gfile.FastGFile("timg.jpg", 'rb').read()

with tf.Session() as sess:
    image_data = tf.image.decode_jpeg(image_raw_data)

    #将色相加0.1
    adjusted = tf.image.adjust_hue(image_data,0.1)
    adjusted = np.asarray(adjusted.eval(), dtype='uint8')
    plt.imshow(adjusted)
    plt.show()
    #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中，打开这张像可以得到和原始图像一样的图像
    encode_image = tf.image.encode_jpeg(adjusted)

    with tf.gfile.GFile("out./05_0.1.jpg",'wb') as f:
        f.write(encode_image.eval())

    #将色相加0.3
    adjusted = tf.image.adjust_hue(image_data,0.3)
    adjusted = np.asarray(adjusted.eval(), dtype='uint8')
    plt.imshow(adjusted)
    plt.show()
    #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中，打开这张像可以得到和原始图像一样的图像
    encode_image = tf.image.encode_jpeg(adjusted)

    with tf.gfile.GFile("out./05_0.3.jpg",'wb') as f:
        f.write(encode_image.eval())

    #将色相加0.1
    adjusted = tf.image.adjust_hue(image_data,0.6)
    adjusted = np.asarray(adjusted.eval(), dtype='uint8')
    plt.imshow(adjusted)
    plt.show()
    #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中，打开这张像可以得到和原始图像一样的图像
    encode_image = tf.image.encode_jpeg(adjusted)

    with tf.gfile.GFile("out./05_0.6.jpg",'wb') as f:
        f.write(encode_image.eval())

    #将色相加0.9
    adjusted = tf.image.adjust_hue(image_data,0.9)
    adjusted = np.asarray(adjusted.eval(), dtype='uint8')
    plt.imshow(adjusted)
    plt.show()
    #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中，打开这张像可以得到和原始图像一样的图像
    encode_image = tf.image.encode_jpeg(adjusted)

    with tf.gfile.GFile("out./05_0.9.jpg",'wb') as f:
        f.write(encode_image.eval())

    #将图像饱和度-5
    adjusted = tf.image.adjust_saturation(image_data,-5)
    adjusted = np.asarray(adjusted.eval(), dtype='uint8')
    plt.imshow(adjusted)
    plt.show()
    #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中，打开这张像可以得到和原始图像一样的图像
    encode_image = tf.image.encode_jpeg(adjusted)

    with tf.gfile.GFile("out./05_saturation_down.jpg",'wb') as f:
        f.write(encode_image.eval())

    # 将图像饱和度+5
    adjusted = tf.image.adjust_saturation(image_data, 5)
    adjusted = np.asarray(adjusted.eval(), dtype='uint8')
    plt.imshow(adjusted)
    plt.show()
    # 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中，打开这张像可以得到和原始图像一样的图像
    encode_image = tf.image.encode_jpeg(adjusted)

    with tf.gfile.GFile("out./05_saturation_up.jpg", 'wb') as f:
        f.write(encode_image.eval())

        # 将一张图像的三维矩阵中的数字均值变为0，方差为1
        adjusted = tf.image.per_image_standardization(image_data)
        adjusted = np.asarray(adjusted.eval(), dtype='uint8')
        plt.imshow(adjusted)
        plt.show()
        # 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中，打开这张像可以得到和原始图像一样的图像
        encode_image = tf.image.encode_jpeg(adjusted)

        with tf.gfile.GFile("out./05_per_image_standardization.jpg", 'wb') as f:
            f.write(encode_image.eval())

显示出来的照片比较难看，就不一一展示了。