TensorFlow入门教程(十四):生成验证码图片并转化为tfrecoder文件
2019-03-04 20:23
507 查看
本实例将列举验证码识别实验,在实验前,可以自己生成验证码图片作为训练集,测试集。下面先讲述验证码生成部分。
本例子中,验证码为4位数,为数字0-9,后期可以自己更改个数,以及添加字母。
[code]from captcha.image import ImageCaptcha # pip install captcha import numpy as np from PIL import Image import random import sys number = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9'] # alphabet = ['a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z'] # ALPHABET = ['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z'] def random_captcha_text(char_set=number, captcha_size=4): # 验证码备选数据列表,若想要加字母,可以用number + alphabet, 验证码个数 captcha_text = [] for i in range(captcha_size): # 循环 captcha_size 次 # 从验证码列表中随机选择一个数据 c = random.choice(char_set) # 加入验证码列表 captcha_text.append(c) return captcha_text # 生成字符对应的验证码 def gen_captcha_text_and_image(): image = ImageCaptcha() # 获得随机生成的验证码 captcha_text = random_captcha_text() # 把验证码列表转为字符串 captcha_text = ''.join(captcha_text) # 生成验证码 captcha = image.generate(captcha_text) image.write(captcha_text, 'images/' + captcha_text + '.jpg') # 写到文件,路径+名称 # 数量会少于10000,因为会重名覆盖 num = 10000 if __name__ == '__main__': for i in range(num): gen_captcha_text_and_image() sys.stdout.write('\r>> Creating image %d/%d' % (i + 1, num)) # 显示运行进程 sys.stdout.flush() sys.stdout.write('\n') sys.stdout.flush() print("生成完毕")
运行结果:
每一个图片的名称为验证码图片上的数值
将图片生成tfcecord文件(注意先创建文件夹再生成)
[code]import tensorflow as tf import os import random import math import sys from PIL import Image import numpy as np # 验证集数量 _NUM_TEST = 500 # 随机种子 _RANDOM_SEED = 0 # 数据集路径 DATASET_DIR = "G:/Python_demo/Deep_learn/images/" # tfrecord文件存放路径 TFRECORD_DIR = "G:/Python_demo/Deep_learn/captcha/" # 判断tfrecord文件是否存在 def _dataset_exists(dataset_dir): for split_name in ['train', 'test']: output_filename = os.path.join(dataset_dir, split_name + '.tfrecords') if not tf.gfile.Exists(output_filename): return False return True # 获取所有验证码图片 def _get_filenames_and_classes(dataset_dir): photo_filenames = [] for filename in os.listdir(dataset_dir): # 获取文件路径 path = os.path.join(dataset_dir, filename) photo_filenames.append(path) # 返回所以验证码图片的绝对路径 return photo_filenames def int64_feature(values): if not isinstance(values, (tuple, list)): values = [values] return tf.train.Feature(int64_list=tf.train.Int64List(value=values)) def bytes_feature(values): return tf.train.Feature(bytes_list=tf.train.BytesList(value=[values])) def image_to_tfexample(image_data, label0, label1, label2, label3): # Abstract base class for protocol messages. return tf.train.Example(features=tf.train.Features(feature={ 'image': bytes_feature(image_data), 'label0': int64_feature(label0), 'label1': int64_feature(label1), 'label2': int64_feature(label2), 'label3': int64_feature(label3), })) # 把数据转为TFRecord格式 def _convert_dataset(split_name, filenames, dataset_dir): assert split_name in ['train', 'test'] with tf.Session() as sess: output_filename = os.path.join(TFRECORD_DIR, split_name + '.tfrecords') # 定义tfrecord文件的路径+名字 with tf.python_io.TFRecordWriter(output_filename) as tfrecord_writer: for i, filename in enumerate(filenames): try: sys.stdout.write('\r>> Converting image %d/%d' % (i + 1, len(filenames))) sys.stdout.flush() # 读取图片 image_data = Image.open(filename) # 根据模型的结构resize image_data = image_data.resize((224, 224)) # 灰度化 image_data = np.array(image_data.convert('L')) # 将图片转化为bytes image_data = image_data.tobytes() # 获取label labels = filename.split('/')[-1][0:4] num_labels = [] for j in range(4): num_labels.append(int(labels[j])) # 生成protocol数据类型 example = image_to_tfexample(image_data, num_labels[0], num_labels[1], num_labels[2], num_labels[3]) tfrecord_writer.write(example.SerializeToString()) except IOError as e: print('Could not read:', filename) print('Error:', e) print('Skip it\n') sys.stdout.write('\n') sys.stdout.flush() # 判断tfrecord文件是否存在 if _dataset_exists(TFRECORD_DIR): print('tfcecord文件已存在') else: # 获得所有图片 photo_filenames = _get_filenames_and_classes(DATASET_DIR) # 产生随机种子,把数据切分为训练集和测试集,并打乱 random.seed(_RANDOM_SEED) random.shuffle(photo_filenames) training_filenames = photo_filenames[_NUM_TEST:] # 训练集 testing_filenames = photo_filenames[:_NUM_TEST] # 测试集,前500张图片 # 数据转换 _convert_dataset('train', training_filenames, DATASET_DIR) _convert_dataset('test', testing_filenames, DATASET_DIR) print('生成tfcecord文件')
相关文章推荐
- Java入门--生成可执行jar文件的教程
- (爱加密系列教程十)apk反编译生成程序的源代码和图片、XML配置、语言资源等文件
- TensorFlow入门(十-III)tfrecord 图片数据 读写
- java图片验证码生成教程详解
- 7.2 TensorFlow笔记(基础篇): 生成TFRecords文件
- Java入门--生成可执行jar文件的教程
- 将图片文件转化为字节数组字符串,并对其进行Base64编码处理和 对字节数组字符串进行Base64解码并生成图片
- 使用ashx文件生成验证码图片
- Java入门-生成可执行jar文件的教程
- 使用ashx文件生成验证码图片
- linux网络编程的入门教程:单文件和多文件编译、静态链接库和动态链接库的生成
- 随机生成验证码图片并将之输出为一个png文件。
- 使用ashx文件生成验证码图片
- [置顶] FineUploader文件/图片和form表单参数一起上传,从入门到精通教程
- tensorflow之图片与tfrecord之间的转化
- tensorflow基础学习:字符数字验证码写入tfrecord文件封装成类
- tensorflow学习笔记十四:TF官方教程学习 tf.contrib.learn Quickstart
- Java Web入门之生成一个验证码图片
- IOS工具类 (钱转化(分到元),快速创建控件,生成图片名称,验证信息,缓存文件,友盟统计类,转换为json,获取URl中的参数)
- Java随机生成验证码图片,并且保存到文件系统中