tensorflow 旋转图片_tensorflow: a Implementation of rotation ops (旋转的函数实现方法)

tensorflow 旋转矩阵的函数实现方法

关键字: rot90, tensorflow

1. 背景

在做数据增强的操作过程中, 很多情况需要对图像旋转和平移等操作, 针对一些特殊的卷积(garbo conv)操作,还需要对卷积核进行旋转操作.

在tensorflow中似乎没有实现对4D tensor的旋转操作.

严格的说: tensorflow对tensor的翻转操作并未实现, 仅有针对3D tensor的tf.image.rot()

而在大多数的情况下使用的是4D形式的tensor, [B,W,H,C] 或者是3D的图像组成的batchs.

通过查看这篇文章的代码可以知道无法找到m.dim属性的异常.

也就是说无法使用numpy.rot90() 函数.

又知, tensorflow中提供有对矩阵的翻转, 转置,切片操作的函数,但是没有提供旋转90°, 180°,270°的操作.

因此可以参照numpy.rot90(m, k=1, axes=(0,1))的程序片段去自己动手实现.

rot90中的第一个参数m是操作对象, k是旋转的次数,k=1 代表逆时针旋转90度, k=2 代表逆时针旋转180度,以此类推

axes是代表旋转的操作在哪两个维度构成的平面上.

rot90的源代码如下:

def rot90(m, k=1, axes=(0,1)):

'''

......

'''

# 省略检测参数的操作

k %= 4

if k == 0:

return m[:]

if k == 2:

return flip(flip(m, axes[0]), axes[1])

axes_list = arange(0, m.ndim)

(axes_list[axes[0]], axes_list[axes[1]]) = (axes_list[axes[1]],

axes_list[axes[0]])

if k == 1:

return transpose(flip(m,axes[1]), axes_list)

else:

# k == 3

return flip(transpose(m, axes_list), axes[1])

PS: 通过阅读上述的代码,也可以发现在tensorflow中直接使用rot90所抛出的异常是在这里出现的

if axes[0] == axes[1] or absolute(axes[0] - axes[1]) == m.ndim

原因是: 程序把tensor对象当成np.ndarray操作了, 而tensor对象没有m.dim属性

2. 实现rot90操作

2.1 梳理程序流程

通过查看源代码可以梳理出程序流程图:

2.2 tensorflow 实现旋转操作

根据上述的流程图, 可以实现对tensorflow的rot90操作;

def rot90(tensor,k=1,axes=[1,2],name=None):

'''

autor:lizh

tensor: a tensor 4 or more dimensions

k: integer, Number of times the array is rotated by 90 degrees.

axes: (2,) array_like

The array is rotated in the plane defined by the axes.

Axes must be different.

-----

Returns

-------

tensor : tf.tensor

A rotated view of `tensor`.

See Also: https://www.tensorflow.org/api_docs/python/tf/image/rot90

'''

axes = tuple(axes)

if len(axes) != 2:

raise ValueError("len(axes) must be 2.")

tenor_shape = (tensor.get_shape().as_list())

dim = len(tenor_shape)

if axes[0] == axes[1] or np.absolute(axes[0] - axes[1]) == dim:

raise ValueError("Axes must be different.")

if (axes[0] >= dim or axes[0] < -dim

or axes[1] >= dim or axes[1] < -dim):

raise ValueError("Axes={} out of range for tensor of ndim={}."

.format(axes, dim))

k%=4

if k==0:

return tensor

if k==2:

img180 = tf.reverse(tf.reverse(tensor, axis=[axes[0]]),axis=[axes[1]],name=name)

return img180

axes_list = np.arange(0, dim)

(axes_list[axes[0]], axes_list[axes[1]]) = (axes_list[axes[1]],axes_list[axes[0]]) # 替换

print(axes_list)

if k==1:

img90=tf.transpose(tf.reverse(tensor,axis=[axes[1]]), perm=axes_list, name=name)

return img90

if k==3:

img270=tf.reverse( tf.transpose(tensor, perm=axes_list),axis=[axes[1]],name=name)

return img270

2.3 代码测试

# 加载库

import numpy as np

import matplotlib.pyplot as plt

import tensorflow as tf

# 手写体数据集 加载

from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets("/home/lizhen/data/MNIST/", one_hot=True)

sess=tf.Session()

#选取数据 4D

images = mnist.train.images

img_raw = images[0,:] # [0,784]

img=tf.reshape(img_raw,[-1,28,28,1]) # img 现在是tensor

# 绘图

def fig_2D_tensor(tensor):# 绘图

#plt.matshow(tensor, cmap=plt.get_cmap('gray'))

plt.matshow(tensor) # 彩色图像

# plt.colorbar() # 颜色条

plt.show()

# 显 显示 待旋转的图片

fig_2D_tensor(sess.run(img)[0,:,:,0]) # 提取ndarray

简单的测试一下代码:

img11_rot=rot90(img,2) # 旋转两次90

fig_2D_tensor(sess.run(img11_rot)[0,:,:,0]) # 打印图像

img12_rot=rot90(img,1,[1,1]) # 抛出异常, 测试 Axes must be different.

img13_rot=rot90(img,1,[0,6]) # 抛出异常, 测试 Axes must be different.

img14_rot=rot90(img,axes=[1,5])# 抛出异常,测试out of range.

img14_rot=rot90(img,axes=[-1,2]) # -1的下标是倒数第二个,测试out of range.

测试结果:

3总结

okey了,现在可以用了.

.....

额,,,,,最近才发现tensorflow的最新版本,大约就在前几天发布的新版本(14天前, 1.10.1 )上已经添加了对2D,3D图像的操作,支持[B,W,H,C]格式的tensor做出旋转

星期五, 07. 九月 2018 02:49下午

参考文献