数据增强tensorflow代码

基于tensorflow实现数据增强

import tensorflow as tf
import os
import random
 
source_file="./Data aug/picture/"      #原始文件地址
target_file="./aug_pic/"  #修改后的文件地址
num=50                  #产生图片次数
 
if not os.path.exists(target_file):  #如果不存在target_file，则创造一个
    os.makedirs(target_file)
 
file_list=os.listdir(source_file)   #获得该目录下的所有的文件和文件夹的名字，存放于一个列表中
 
with tf.Session() as sess:
    for i in range(num):
 
        max_random=len(file_list)-1
        a = random.randint(0, max_random)  
        #随机数字区间
        # tf.gfile.FaterGFile(source, decodestyle)
        # 第一个参数是图片的路径，第二个参数是编解码的方式，'r'为utf8编码，'rb'为非utf8编码
        # rb不是特别明白
        image_raw_data=tf.gfile.FastGFile(source_file+file_list[a],"rb").read()#读取图片
        print("正在处理：",file_list[a])
        # 解码后结果为张量
        image_data=tf.image.decode_jpeg(image_raw_data)
        filpped_le_re=tf.image.random_flip_left_right(image_data)   #随机左右翻转
        filpped_up_down=tf.image.random_flip_up_down(image_data)    #随机上下翻转
        adjust=tf.image.random_brightness(filpped_up_down,0.4)      #随机调整亮度
        # 转换图像的数据格式
        image_data=tf.image.convert_image_dtype(adjust,dtype=tf.uint8)
        # 编码
        encode_data=tf.image.encode_jpeg(image_data)
         
        # 存入到target_file中
        # with tf.gfile.GFile(target_file+str(i)+"_enhance"+".jpeg","wb") as f:
            # f.write(encode_data.eval())
print("图像增强完毕")
 

附：tensorflow实现图像的读写

import matplotlib.pyplot as plt
import tensorflow as tf
# 读取图像数据
img = tf.gfile.FastGFile('./assignment01/dog.png', 'rb').read()

with tf.Session() as sess:
    # 用ipeg格式将图像解码得到三维矩阵(png格式用decode_png, jpg格式用jpeg)
    # 解码后得到结果为张量
    img_data = tf.image.decode_png(img)
    # 打印出得到的三维矩阵
    print(img_data.eval())
    # 使用pyplot可视化得到的图像
    plt.imshow(img_data.eval())
    plt.show()

    #转换格式   
    # 转换图像的数据类型，应该就是转换为标准格式，没有什么特殊的作用
    img_data = tf.image.convert_image_dtype(img_data, dtype=tf.uint8)
    # 将图像的三维矩阵重新按照png格式存入文件
    encoded_image = tf.image.encode_png(img_data)
    # 得到图像的png格式
    with tf.gfile.GFile('./assignment01/model.png', 'wb') as f:
        f.write(encoded_image.eval())