python读取文件夹下所有图像 预处理_Tensorflow之tif图像文件预处理

本文介绍了在Tensorflow中预处理tif图像的解决方案,包括遇到的问题和解决思路。当Tensorflow不支持tif格式时,作者通过将图片转换为矩阵进行预处理,然后保存为TFRecord文件。
摘要由CSDN通过智能技术生成

写在前面

许久没有登录我的简书了,或许忙只是给自己的借口,内心浮躁,不愿坐下来静下心写点东西才是真正的原因。写作是个该坚持的好习惯,一方面能记录下一些当时的心情想法,一方面也是在锻炼自己的表达能力。善于抒发,会懂得表达在如今其实对个人而言是个很大的加分项。或者说, 起码是我希望自己能够提升的一种能力。

目前我正处于硕士生涯的毕业设计阶段,也正在筹备即将来临的求职季。这个文集也是我在目前这个阶段的记录总结。如果你恰好碰到和我一样或者类似的问题,希望能对你有所帮助。

问题描述

我做的项目与深度学习相关,我选用了Tensorflow作为主要的工具。对于图像文件,为了便于移动以及读取为tf.data.Dataset使用,我想做的预处理便是将图像先转存为TFRecord文件,之后再通过读取TFRecord得到tf.data.Dataset。

这样选择的理由就不在此详细展开,可参考以下几篇文章:

由于Tensorflow目前仅有对bmp,gif,jpeg以及png四种图片的类型的decode方法,对于tif格式的图片文件并不支持,我在写完运行良好的预处理的代码后,不得不又为此修改了一番。接下来我分别描述修改前后的过程,并点出我需要如何改动才能使tif格式的图片也能被良好地预处理。

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
遥感图像预处理是指在分析遥感图像之前,对图像进行一系列的操作和处理,以提取有用的信息和特征。Python提供了许多工具和库,可以用于遥感图像预处理,其中常用的是gdal、numpy和shapefile等库。下面是一些常见的遥感图像预处理步骤和相应的Python代码: 1. 读取遥感图像:使用gdal库中的gdal_array.LoadFile()函数读取图像数据,并将其转换为numpy数组。 ```python from osgeo import gdal, gdal_array import numpy as np img = "./image.tif" arr = gdal_array.LoadFile(img) ``` 2. 图像裁剪:根据需要,可以使用numpy数组的切片操作对图像进行裁剪。 ```python cropped_arr = arr[50:200, 100:300] ``` 3. 图像缩放:使用gdal库中的gdal_array.SaveArray()函数将裁剪后的图像保存为新的图像文件。 ```python output = gdal_array.SaveArray(cropped_arr, "cropped_image.tif", format="GTiff", prototype=img) output = None ``` 4. 图像增强:可以使用numpy库中的函数对图像进行增强操作,例如调整亮度、对比度、色彩平衡等。 ```python enhanced_arr = adjust_brightness(arr, 1.2) ``` 5. 图像滤波:使用numpy库中的卷积操作对图像进行滤波,以去除噪声或增强图像特征。 ```python filtered_arr = apply_filter(arr, kernel) ``` 6. 图像分类:根据需要,使用numpy库中的函数将图像分为不同的类别,并进行着色。 ```python classified_arr = classify_image(arr, classes) colorized_arr = colorize_image(classified_arr, lut) ``` 以上只是一些常见的遥感图像预处理步骤和相应的Python代码,实际应用中可能需要根据具体需求进行调整和扩展。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值