Tensorflow图像处理相关操作

#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()