TensorFlow 图像预处理（一） 图像编解码，图像尺寸调整

from: https://blog.csdn.net/chaipp0607/article/details/73029923

TensorFlow提供了几类图像处理函数，下面介绍图像的编码与解码，图像尺寸调整。

编码与解码

图像解码与编码：一张RGB三通道的彩色图像能够当作一个三维矩阵，矩阵中的不位置上的数字表明图像的像素值。而后图像在存储时并非直接记录这些矩阵中的数字，而是通过了压缩编码。因此将一张图像还原成一个三维矩阵的过程就是解码的过程，反之就是编码了。其实若是你们熟悉opencv的话，imread和imwrite就是一个解码和编码的过程。
TensorFlow提供了经常使用图片格式的解码和编码操做，下面用一个jpg的图像演示：

import matplotlib.pyplot as plt import tensorflow as tf image_raw_data = tf.gfile.FastGFile('.//image//1.jpg','rb').read() with tf.Session() as sess: img_data = tf.image.decode_jpeg(image_raw_data) print(img_data.eval()) plt.imshow(img_data.eval()) plt.show() #img_data = tf.image.convert_image_dtype(img_data,dtype = tf.float32) encoded_image = tf.image.encode_jpeg(img_data) with tf.gfile.GFile(".//image//3.jpg","wb") as f: f.write(encoded_image.eval()) 

其中：
decode_jpeg函数为jpeg（jpg）图片解码的过程，对应的encode_jpeg函数为编码过程，编码后将图片重命名写入到指定的路径下。

图像尺寸调整
图像尺寸调整属于基础的图像几何变换，TensorFlow提供了几种尺寸调整的函数：
tf.image.resize_images：将原始图像缩放成指定的图像大小，其中的参数method（默认值为ResizeMethod.BILINEAR）提供了四种插值算法，具体解释能够参考图像几何变换（缩放、旋转）中的经常使用的插值算法
tf.image.resize_image_with_crop_or_pad：剪裁或填充处理，会根据原图像的尺寸和指定的目标图像的尺寸选择剪裁仍是填充，若是原图像尺寸大于目标图像尺寸，则在中心位置剪裁，反之则用黑色像素填充。
tf.image.central_crop：比例调整，central_fraction决定了要指定的比例，取值范围为(0，1]，该函数会以中心点做为基准，选择整幅图中的指定比例的图像做为新的图像。

import matplotlib.pyplot as plt import tensorflow as tf import numpy as np image_raw_data = tf.gfile.FastGFile('.//image//1.jpg','rb').read() with tf.Session() as sess: img_data = tf.image.decode_jpeg(image_raw_data) plt.imshow(img_data.eval()) plt.show() resized = tf.image.resize_images(img_data, [100, 100], method=0) # TensorFlow的函数处理图片后存储的数据是float32格式的，须要转换成uint8才能正确打印图片。 print("Digital type: ", resized.dtype) resized = np.asarray(resized.eval(), dtype='uint8') # tf.image.convert_image_dtype(rgb_image, tf.float32) plt.imshow(resized) plt.show() croped = tf.image.resize_image_with_crop_or_pad(img_data, 100, 100) padded = tf.image.resize_image_with_crop_or_pad(img_data, 500, 500) plt.imshow(croped.eval()) plt.show() plt.imshow(padded.eval()) plt.show() central_cropped = tf.image.central_crop(img_data, 0.5) plt.imshow(central_cropped.eval()) plt.show()

原图：

resize_images(img_data, [100, 100], method=0)：

resize_image_with_crop_or_pad(img_data, 100, 100)：

resize_image_with_crop_or_pad(img_data, 500, 500)：

central_crop(img_data, 0.5)：

 

另外能够看 http://www.360doc.com/content/17/0513/14/10408243_653519828.shtml

tensorflow里面提供了实现图像进行裁剪和填充的函数，就是tf.image.resize_image_with_crop_or_pad（img，height，width ）。img表示须要改变的图像，height是改变后图像的高度，width是宽度。

例如：

import matplotlib.pyplot as plt;
import tensorflow as tf;

image_raw_data_jpg = tf.gfile.FastGFile('11.jpg', 'r').read()

with tf.Session() as sess:
    img_data_jpg = tf.image.decode_jpeg(image_raw_data_jpg)
    img_data_jpg = tf.image.convert_image_dtype(img_data_jpg, dtype=tf.float32)
    crop = tf.image.resize_image_with_crop_or_pad(img_data_jpg, 500, 500)
    pad = tf.image.resize_image_with_crop_or_pad(img_data_jpg, 2000, 2000)

    plt.figure(1)
    plt.imshow(crop.eval())
    plt.figure(2)
    plt.imshow(pad.eval())
    plt.show()

结果：