Tensorflow——图像数据处理

1 TFrecord输入数据格式

2 图像处理函数

2.1 图像的解码与编码

import matplotlib.pyplot as plt
import tensorflow as tf

image_raw_data = tf.gfile.GFile("pictures/123.jpg", 'rb').read()

with tf.Session() as sess:
    # 对图像进行jpge的格式解码从而得到图像对应的三维矩阵
    img_data = tf.image.decode_jpeg(image_raw_data)

    print(img_data.eval())

    # 使用pyplot工具可视化得到的图像
    plt.imshow(img_data.eval())
    plt.show()

    # 将图像的三维矩阵重新按照jpeg格式编码
    encoded_image = tf.image.encode_jpeg(img_data)
    with tf.gfile.GFile("pictures/output.jpg", "wb") as f:
        f.write(encoded_image.eval())

2.2 图像大小调整

import matplotlib.pyplot as plt
import tensorflow as tf

image_raw_data = tf.gfile.GFile("pictures/123.jpg", 'rb').read()

with tf.Session() as sess:
    image_data = tf.image.decode_jpeg(image_raw_data)
    # 将图像数据转化为实数类型，大多数api使用实数进行处理
    image_data = tf.image.convert_image_dtype(image_data, dtype=tf.float32)

    # 通过tf.image.resize_images 函数调整图像的大小
    resized = tf.image.resize_images(image_data, [300, 300], method=0)

    plt.imshow(resized.eval())
    plt.show()

tf.image.resize_images函数中method参数取值：（以下超链接为维基百科）
0 双线性插值
1 最近邻居法
2 双三次插值法
3 面积插值法

使用 tf.image.resize_image_with_crop_or_pad 裁剪或者扩充图像（居中裁剪、周边填零）

croped = tf.image.resize_image_with_crop_or_pad(image_data, 600, 600)
padded = tf.image.resize_image_with_crop_or_pad(image_data, 1200, 1200)

也可以使用 tf.image.crop_to_bounding_box函数和 tf.image.pad_to _bounding_box函数来裁剪或者填充给定区域的图像。

2.3 图像翻转

import matplotlib.pyplot as plt
import tensorflow as tf

image_raw_data = tf.gfile.GFile("pictures/123.jpg", 'rb').read()

with tf.Session() as sess:
    image_data = tf.image.decode_jpeg(image_raw_data)
    # 将图像数据转化为实数类型，大多数api使用实数进行处理
    image_data = tf.image.convert_image_dtype(image_data, dtype=tf.float32)

    # 通过tf.image.resize_images 函数调整图像的大小
    # resized = tf.image.resize_images(image_data, [300, 300], method=0)
    # croped = tf.image.resize_image_with_crop_or_pad(image_data, 600, 600)
    # padded = tf.image.resize_image_with_crop_or_pad(image_data, 1200, 1200)

    flipped1 = tf.image.flip_up_down(image_data)
    flipped2 = tf.image.flip_left_right(image_data)
    transposed = tf.image.transpose_image(image_data)

    plt.subplot(2, 2