TensorFlow OpenCv tf与cv图像类型转换

TensorFlow OpenCv tf与cv图像类型转换

环境:tensorflow 2.0
原始图片[source.jpg]
在这里插入图片描述

import os
import cv2
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
assert tf.__version__.startswith('2.')


def tf_img_2_cv_img(img_tf):
    """tensorflow图片 => opencv图片

    :param img_tf: tensorflow image
    :return: opencv image
    """
    img_tf_np = np.array(img_tf)
    r, g, b = cv2.split(img_tf_np)
    img_cv = cv2.merge([b, g, r])

    return img_cv


def cv_img_2_tf_img(img_cv_jpg):
    """opencv 图片 => tensorflow图片

    :param img_cv_jpg: opencv 加载的jpg图片
    :return: tensorflow 图片
    """
    # 3.opencv 图片 => tensorflow图片
    img_cv_ecd = cv2.imencode('.jpg', img_cv_jpg)[1]
    data_encode = np.array(img_cv_ecd)
    str_encode = data_encode.tostring()
    img_cv_tf = tf.image.decode_jpeg(str_encode, channels=3)

    return img_cv_tf


def main():

    # 1.opencv 读取图片
    img_cv = cv2.imread("source.jpg")

    # 2.tensorflow 读取图片 与图片左右调整
    img_file = tf.io.read_file("source.jpg")

    img_tf_decode = tf.image.decode_jpeg(img_file, channels=3)
    img_flip = tf.image.flip_left_right(img_tf_decode)

    # 3.opencv 图片 => tensorflow图片
    img_cv_tf = cv_img_2_tf_img(img_cv)

    # 4.显示结果 tensorflow image
    plt.figure(1, figsize=(1000, 500))
    plt.subplot(1, 2, 1)
    plt.title("img_tf")
    plt.imshow(img_tf_decode)

    plt.subplot(1, 2, 2)
    plt.title("img_cv_tf")
    plt.imshow(img_cv_tf)
    plt.show()

    # 5.tensorflow图片 => opencv图片
    img_tf_cv = tf_img_2_cv_img(img_flip)

    # 6.显示结果 opencv image
    cv2.imshow("img_cv", img_cv)
    cv2.imshow("img_tf_cv", img_tf_cv)
    cv2.waitKey()
    cv2.destroyAllWindows()


if __name__ == '__main__':
    main()

结果图片
在这里插入图片描述
在这里插入图片描述

评论 3
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

打赏作者

廷益--飞鸟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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