Tensorflow2(keras)-图像预处理操作(tf.EagerTensor和tf.Tensor)

 在tensorflow.keras训练中，如果需要对图像进行预处理操作（数据增强操作），发现很多opencv方法用不了，不能对图像进行直接处理，

如果使用np.array(x)，就会报错：

 NotImplementedError: Cannot convert a symbolic Tensor  to a numpy array 

如果使用x.numpy()，就会报错：

AttributeError: 'Tensor' object has no attribute 'numpy'

所以需要单独加载预处理方法，tf.py_function(aug_image_func, [image], tf.float32)，将处理操作放到aug_image_func中，就可以直接image.numpy()了，不然也会报错哦！

def preprocess_image(filename):
        # print(filename)
        img = tf.io.read_file(filename)
        img = tf.cond(
            tf.image.is_jpeg(img),
            lambda: tf.image.decode_jpeg(img, channels=0),
            lambda: tf.image.decode_bmp(img, channels=0))
        img = tf.image.convert_image_dtype(img, tf.float32)
        img = random_aug_image(img,zoom_type,(32,100)) 
        # img = tf.image.resize(img, (32, 100),method= tf.image.ResizeMethod.BICUBIC)
        # img = tf.image.random_brightness(img, max_delta=0.4)
        # tf.print(tf.shape(img))
        return img

def random_aug_image(image,zoom_type,img_size):
   
    def aug_image_func(image):
        # print(image.shape)
        image=image.numpy()*255
        if len(image.shape)==3:
            image = image.mean(axis=2).astype(np.float32)
        image=cv2.resize(image,img_size,interpolation=2)
        image = image/255
        image = np.expand_dims(image,2)
        # print(image.shape)
        return image
    
    image = tf.py_function(aug_image_func, [image], tf.float32)
    image = tf.convert_to_tensor(image)
    return image

这里涉及的是tensorflow与python交互函数tf.py_function()：

tensorflow2.x：tf.py_function()、tf.numpy_function()

tensorflow1.x：tf.py_func ()

这里会有详细解说：https://blog.csdn.net/qq_27825451/article/details/105247211

在tensorflow1.x中，可以使用sess.run()或者 x.eval来获取tensor的值：

with tf.Session() as sess:
    result = sess.run([x])  
    #result = x.eval()
    print(result)

在tensorflow2.x中，凡是可以用numpy获取值的都是指的是EagerTensor，Tensor没有numpy属性。所以只能使用tf.py_function()进行封装。