python可视化卷积代码_TensorFlow实现图像卷积并可视化示例

图片尺寸要自己修改。

看起来好像没啥意思，不知道下一步能干什么，先卷了再说。由于weights是随机生成的(tf.random_normal作用：用于从服从指定正太分布的数值中取出随机数)，所以每次卷积后的图像会不一样。

代码：

def func19(img_path):

# 读取图片，矩阵化，转换为张量

img_data = cv2.imread(img_path)

img_data = tf.constant(img_data, dtype=tf.float32)

print(img_data.shape)

# 将张量转化为4维

img_data = tf.reshape(img_data, shape=[1, 454, 700, 3])

print(img_data.shape)

# 权重(也叫filter、过滤器)

weights = tf.variable(tf.random_normal(shape=[2, 2, 3, 3] , dtype=tf.float32))

print(weights.shape)

# 卷积

conv = tf.nn.conv2d(img_data, weights, strides=[1, 3, 3, 1], padding='same')

print(conv.shape)

img_conv = tf.reshape(conv, shape=[152, 234, 3])

print(img_conv.shape)

img_conv = tf.nn.relu(img_conv)

with tf.session() as sess:

# 全局初始化

sess.run(tf.global_variables_initializer())

img_conv = sess.run(img_conv)

plt.title('conv')

plt.imshow(img_conv)

plt.show()

return

if __name__ == '__main__':

img_path = r'你的图片路径'

func19(img_path)

原图(尺寸：(454, 700, 3))：

效果(尺寸： (152, 234, 3) )：

如您对本文有疑问或者有任何想说的，请点击进行留言回复，万千网友为您解惑！