各种图片格式

最新推荐文章于 2024-08-27 18:16:08 发布

Peanut_X

最新推荐文章于 2024-08-27 18:16:08 发布

阅读量1k

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/xiezongsheng1990/article/details/88069513

版权

机器学习专栏收录该内容

37 篇文章 1 订阅

订阅专栏

主要介绍python和tensorflow中各种格式的图片处理

一、图片的读入

PIL.Image读入图片（RGB格式）

from PIL import Image
def PIL_open():
    image=Image.open('lena.png')
    image.show()

cv2读入图片（GBR格式）

import cv2
def cv2_open():
    image=cv2.imread('lena.png')
    cv2.imshow('lena',image)
    cv2.waitKey()

PIL.Image和cv2之间的格式转换：

def cv2_to_PIL(): 
    image=cv2.imread('lena.png')
    image=Image.fromarray(cv2.cvtColor(image,cv2.COLOR_BGR2RGB)) 
    image.show() 

def PIL_to_cv2(): 
    image=Image.open('lena.png') 
    image=cv2.cvtColor(np.asarray(image),cv2.COLOR_RGB2BGR) 
    cv2.imshow('lena',image) 
    cv2.waitKey()

二、图片的存储

#cv2:
cv2.imwrite('img.jpg', img) #img是np.ndarray
#PIL:
img = Image.fromarray(np_array)
img.save('img.jpg')

三、图片与np.ndarray之间的转换

image = Image.open('a.jpg')
array = np.array(image) #shape为（h, w, c)， dtype为np.uint8

cv2.imread()得到的就是np.ndarray格式

四、图片和原始字节之间的转换

np.ndarray转换为byterray：

barray = bytearray(img) #img是np.ndarray， barray是标准一维python bytearray，如b'\x87K\xcdz>\xc0~B\xc4\'

bytearray转换为np.ndarray:

img = np.array(barray).reshape(32, 32, 3)

np.ndarray转换为bytes：

bs = img.tobytes() #img是np.ndarray

bytes貌似不能直接转为np.ndarray， np.array(bs)得到的是字符串格式。需要先将bytes转化为byterarray?

bytearray和bytes的值是相同的，区别在于bytearray可变，bytes不可变。从bytes转为bytearray:

barr = batearray(bytes_object)

四、tensorflow读取图片

如果文件是jpg、png、bmp、gif等格式，其编码格式不是按照图片像素值直接编码的，必须调用tf.image.decode_jpeg（png、bmp、gif、image）来解码。如果直接tf.decode_raw无法得到正确的数据

img_raw = tf.gfile.FastGFile('lyf.jpg', 'rb').read()
img_jpg = tf.image.decode_jpeg(img_raw)
with tf.Session() as sess:
    img = sess.run(img_jpg)

如果文件是pickle、tfrecord等格式，编码时是直接把像素值编码，读取时先解码，再根据原文件格式还原

path = 'cifar-10-batches-py/data.tfrecord'
reader = tf.TFRecordReader()
fname_queue = tf.train.input_producer([path])
_, example = reader.read(fname_queue)
features = tf.parse_single_example(example,
                                  features={'label': tf.FixedLenFeature([], tf.int64),
                                            'raw_img': tf.FixedLenFeature([], tf.string)})
img = tf.reshape(tf.decode_raw(features['raw_img'], tf.uint8), [32, 32, 3])
label = features['label']

with tf.Session() as sess:
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess, coord=coord)
    try:
        while True:
            im, lab = sess.run([img, label])
            plt.imshow(im)
            plt.title(lab)
            break
    except tf.errors.OutOfRangeError:
            print('done')
    finally:
        coord.request_stop()
    coord.join(threads)