tensorflow图片预处理和测试效果（resize，crop，pad等）

#%% 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。