Tensorflow图像处理相关操作
2018-01-02 15:02
302 查看
#对图像的处理 import matplotlib.pyplot as plt import tensorflow as tf #读取图像的原始数据 image_raw_data=tf.gfile.FastGFile("./path/to/picture/timg.jpg",'rb').read() with tf.Session() as sess: #将图像用jpeg格式解码从而得到图像对应的三维矩阵,Tensorflow 还提供了tf.image_decode_png 函数对png格式的图像 #机械性解码。解码之后的结果为一个张量 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() #将数据的类型转化为实数,方便下面的程序进行处理 img_data=tf.image.convert_image_dtype(img_data,dtype=tf.float32) #通过tf.image.resize_images函数调整图像的大小,method是调整的算法,0:双线性差值 1:最近邻居法 2:双3次差值法 3:面积差值法 resized=tf.image.resize_images(img_data,[300,300],method=0) #输出图像的大小 print(resized.get_shape()) plt.imshow(resized.eval()) #plt.show() #将表示一张图片的三维矩阵重新按照jpeg的格式编码存入文件中 encode_image=tf.image.encode_jpeg(img_data) with tf.gfile.GFile('./path/to/picture/timg_output.jpg','wb') as f: f.write(encode_image.eval()) #截取部分图像,从中间截取,如果截取的面积大于原图像,则填充0 croped=tf.image.resize_image_with_crop_or_pad(img_data,1000,1000) plt.imshow(croped.eval()) plt.show() #按照比例裁剪图像 central_croped=tf.image.central_crop(img_data,0.5) plt.imshow(central_croped.eval()) plt.show() #图像翻转 #将图像上下翻转 flipped=tf.image.flip_up_down(img_data) #将图像左右翻转 flipped=tf.image.random_flip_left_right(img_data) #将图像沿对角线翻转 transposed=tf.image.transpose_image(img_data) #将图像随机进行翻转 flipped=tf.image.random_flip_left_right(img_data) flipped=tf.image.random_flip_up_down(img_data) #随机进行上下翻转 #图像的色彩调整 #调整图像的亮度、对比度、饱和度和色相 #将图像的亮度-0.5 adjusted=tf.image.adjust_brightness(img_data,-0.5) #在[-max_delta,max_delta]内随机调整图像的亮度 adjusted=tf.image.random_brightness(img_data,0.5) #图像的对比度-5 adjusted=tf.image.adjust_contrast(img_data,-5) #在[lower,upper]范围内随机调整图的对比度 adjusted=tf.image.random_contrast(img_data,2,7) #调整图像的色相 adjusted=tf.image.adjust_hue(img_data,0.3) #在[-maxdelta,maxdelta]范围内随机调整图像的色相 maxdelat 在0-0.5的范围内 adjusted=tf.image.random_hue(img_data,0.4) #调整图像的饱和度 adjusted=tf.image.adjust_saturation(img_data,5) #在[lower,upper]范围内随机调整图像的饱和度 adjusted=tf.image.random_saturation(img_data,1,10) #tensorflow还提供了图像的准净化过程,将图像的数字均值变为0,方差变为1 adjusted=tf.image.per_image_standardization(img_data) #许多的图像需要关注的物体可以使用标注框标注出来 #tf.image.draw_bounding_boxes函数要求处理图像的矩阵是实数,输入是一个batch数据,多张图像组成的四维矩阵,所以需要将解码后的图像增加一个维度 batched=tf.expand_dims(img_data,0) #下面都是相对的位置 boxes=tf.constant([[[0.05,0.05,0.7,0.9],[0.2,0.3,0.9,0.8]]]) result=tf.image.draw_bounding_boxes(batched,boxes) plt.imshow(result[0].eval()) plt.show()[/code]
相关文章推荐
- ImageHandler类负责图像处理的相关操作,如保存、图像关联操作等
- 关键词Byte相关知识与实用类的深入理解(流操作,加密处理,图像处理等的基础准备)
- TensorFlow 图像处理和解码操作函数概述
- TensorFlow 图像处理和解码操作函数
- opencv 图像处理 形态学操作 腐蚀 膨胀 开闭运算 阈值二值化 图像卷积 图像金字塔 Sobel算子 Laplacian 算子 candy边缘检测 霍夫变换 直方图
- 计算机视觉、图像处理中常见的滤波操作
- 图像处理中的距离相关概念
- 视觉&图像处理相关链接
- 2卷积神经网络相关API详解-2.1TensorFlow之卷积操作API
- 图像处理程序框架—MFC相关知识点
- 计算机视觉与图像处理相关的国内外重要期刊汇总
- Python-Image 基本的图像处理操作
- c/c++中串的处理及串的相关操作实现
- OpenCV-Python图像处理教程:图像基本操作
- PHP中的图像相关函数操作
- C# (GDI+相关) 图像处理(各种旋转、改变大小、柔化、锐化、雾化、底片、浮雕、黑白、滤镜效果) (转)
- 图像处理 形状特征相关概念
- python Image基本图像处理操作
- 图像处理之 opencv 学习---矩阵的操作
- 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)