TensorFlow文件读取图片数据案例（100张狗的图片）

目录

图像

图片三要素

张量形状

图片特征值处理

案例：狗图片读取

流程分析

代码：

结果分析：

---

图像

组成图像基本单位  ---像素

图片三要素

特征抽取  ：图片   （三维数组  （图片长度、图片宽度、图片通道数））

       灰度图[长，宽，1]：每一个像素点[0,255]的图  数越大越白

       彩色图[长，宽，3]：每个像素点[0,255]  有3个通道

张量形状

Tensor(指令名称，shape,dtype)

一张图片  shape = (height,width,channels)

多张图片  shape = (,batch,height,width,channels)

图片特征值处理

1）一个样本数据量大

2）样本和样本形状不统一，没办法进行批量操作和运算

每个图片的特征量保持相同，大小转换

图片像素量太大，适当减少像素数量

缩放处理：tf.image.resize_images(images,size)

                 size：new_height  new_width

数据格式

存储：unint8(节约空间)

矩阵计算：float32（提高精度）

案例：狗图片读取

流程分析

1）构造文件名队列

2）读取与解码  ---使样本的形状和类型统一

3）批处理

代码：

import tensorflow as tf
import os
tf.compat.v1.disable_eager_execution()
def picture_read(file_list):
    """
    狗图片读取
    :return:
    """
    # 1、构造文件名队列
    file_queue = tf.compat.v1.train.string_input_producer(file_list)
    # 2、读取与解码
    # 读取
    reader = tf.compat.v1.WholeFileReader()
    # key 文件名 value一张图片的原始编码形式
    key,value = reader.read(file_queue)
    print("key:\n", key)
    print("value_\n", value)
    # 解码
    image = tf.compat.v1.image.decode_jpeg(value)
    print("image:\n",image)
    # 图像形状类型处理
    image_resized = tf.compat.v1.image.resize_images(image,[200,200])
    print("image_redsized:\n",image_resized)
    #静态形状修改
    image_resized.set_shape(shape=[200,200,3])
    print("image_redsized:\n",image_resized)
    # 3、批处理
    image_batch = tf.compat.v1.train.batch([image_resized],batch_size=100,num_threads=1,capacity=100)
    print("image_batch",image_batch)

    # 开启会话
    with tf.compat.v1.Session()as sess:
        # 开启线程
        coord = tf.compat.v1.train.Coordinator()
        threads = tf.compat.v1.train.start_queue_runners(sess=sess,coord=coord)
        key_new,value_new,image_new,image_resized_new = sess.run([key,value,image,image_resized])
        print("key_new:\n",key_new)
        print("value_new:\n",value_new)
        print(("image_new:\n",image_new))
        print("image_resized_new:\n",image_resized_new)
        # 回收线程
        coord.request_stop()
        coord.join(threads)

    return None
# 构建路径+文件名列表
filename = os.listdir("./tmp/dog")
# 拼接路径+文件名
file_list = [os.path.join("./tmp/dog",file) for file in filename]
print(file_list)
picture_read(file_list)

结果分析：

构建的文件列表：

原始编码类型：

解码：

统一图片处理，确定通道数：

进行批处理：