#%% 读图片代码
import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片
import tensorflow as tf
test_image = 'G:/ZhangSG/01.jpg'
image_raw_data_jpg = tf.gfile.FastGFile(test_image, 'rb').read()
with tf.Session() as sess:
# output the original JPG image
lena = mpimg.imread(test_image)
plt.figure(0)
plt.imshow(lena) # 显示图片
plt.show()
# Decode a JPG image
img_data_jpg = tf.image.decode_jpeg(image_raw_data_jpg)
img_data_jpg = tf.image.convert_image_dtype(img_data_jpg, dtype=tf.float32)
# resize it to 299 by 299 using default method.
resized_image = tf.image.resize_images(img_data_jpg, [299, 299])
plt.figure(1)
plt.imshow(resized_image.eval()) # 显示图片
plt.show()
# crop it to 299 by 299 using default method.
cropped_image = tf.image.resize_image_with_crop_or_pad(img_data_jpg, 299, 299)
plt.figure(2)
plt.imshow(cropped_image.eval()) # 显示图片
plt.show()
# plt.axis('off') # 不显示坐标轴
以上这段代码可以直接用,如果是第一次用,需要注意这么几个地方:
1. matplotlib这个包需要从python里面安装一下,类似pip install 这种,不再赘述,可以从网上找教程,不难。
2. test_image是图片路径+图片名,这里直接用绝对路径表示了,如果用代码,这里必须改为自己的路径。
3. 结果会显示三张图片,分别是原始图片(python自带的读图片代码),tf的resize代码效果,以及crop和pad代码效果。需要补充的是resize一定要用tf的这个resize_images,如果用image.resize()会带来奇怪的输出,不赘述。crop和pad是以图片自己为中心进行裁剪或填充。
后续:
http://blog.csdn.net/UESTC_C2_403/article/details/72699260
这篇博客可以参考,四种不同方式的处理。