TensorFlow图像处理的基本用法

本文用于学习TensorFlow图像处理的基本用法，可用于数据增强！！！
#! -*- coding=UTF-8 -*-
import tensorflow as tf
import matplotlib.pyplot as plt

# 读取图片
img = tf.gfile.FastGFile("plate.jpg",'rb').read()
# print(img)

# 建立会话
with tf.Session() as sess:
    # 解码图像
    img_decode = tf.image.decode_jpeg(img)
    # print(img_decode.eval())

    # # 保存图像，首先编码图像
    # img_encode = tf.image.encode_jpeg(img_decode)
    # # print(img_encode)
    # with tf.gfile.GFile("new_plate.jpg",'wb') as file:
    #     file.write(img_encode.eval())

    # 调整图片大小，首先将图像数据转化为实数类型,即归一化
    img_decode_norm = tf.image.convert_image_dtype(img_decode, dtype=tf.float32)
    img_resize = tf.image.resize_images(img_decode_norm, [100,200], method=0)
    # print("调整后图像的维度：",img_resize.shape)

    # 自动裁剪、自动填充图像大小
    img_crop = tf.image.resize_image_with_crop_or_pad(img_decode, 100,100)
    img_pad = tf.image.resize_image_with_crop_or_pad(img_decode,1000,1000)

    # 比例调整图像大小
    img_ratio = tf.image.central_crop(img_decode, 0.4)

    # 图像翻转 上下、左右、对角线
    img_up_down = tf.image.flip_up_down(img_decode)
    img_left_right = tf.image.flip_left_right(img_decode)
    img_transpose = tf.image.transpose_image(img_decode)

    # 随机翻转图像 50概率
    img_random_up_down = tf.image.random_flip_up_down(img_decode)
    img_random_left_right = tf.image.random_flip_left_right(img_decode)

    # 图像亮度调整，调整后为保证像素值在0-1或者0-255的范围内，需要截断操作
    img_reduce_brightness = tf.image.adjust_brightness(img_decode_norm, -0.5)
    img_add_brightness = tf.image.adjust_brightness(img_decode_norm, 0.5)
    img_reduce_brightness = tf.clip_by_value(img_reduce_brightness, 0.0, 1.0)


    # 图像对比度调整 按倍数增加或减少
    img_reduce_contrast = tf.image.adjust_contrast(img_decode_norm, 0.5)
    img_add_contrast = tf.image.adjust_contrast(img_decode_norm, 5)

    # 图像色相调整
    img_reduce_hue = tf.image.adjust_hue(img_decode_norm, 0.1)
    img_add_hue = tf.image.adjust_hue(img_decode_norm, -0.1)
    img_reduce_hue = tf.clip_by_value(img_reduce_hue, 0.0, 1.0)

    # 图像饱和度调整
    img_reduce_saturation = tf.image.adjust_saturation(img_decode_norm, -0.5)
    img_add_saturation = tf.image.adjust_saturation(img_decode_norm, 0.5)
    img_reduce_saturation = tf.clip_by_value(img_reduce_saturation, 0.0, 1.0)

    # 图像标准化 将像素调整为均值为0，方差为1
    img_norm = tf.image.per_image_standardization(img_decode_norm)

    #可视化图像
    plt.imshow(img_reduce_saturation.eval())
    plt.show()
参考资料：
1. 《TensorFLow:实战Google深度学习框架》
TensorFlow图像处理的基本用法

猜你喜欢
