tensorflow库提供的专门的图片处理库,如下只是部分示例,更多函数请参照源码‘\tensorflow_api\v1\image__init__.py’python
方式1:api
使用tf.gfile.GFile以二进制方式读jpg文件,而后经过tf.image.decode_jpeg进行解码 注函数都返回tensor张量,需在session中运行
import tensorflow as tf import matplotlib.pyplot as plt
image_raw = tf.gfile.GFile('./image/cat/cat.jpg','rb').read()
with tf.Session() as sess: image_data = tf.image.decode_jpeg(image_raw) plt.imshow(image_data.eval()) plt.show()
上面的方法不太适合读取批量数据,批量读取能够采用另外一种方式,把图像当作一个文件,用队列的方式进行读取,在tensorflow中,队列不单单是一种数据结构,更提供多线程机制session
方法2:批量读取文件数据结构
path1 = './image/cat/cat.jpg' file_queue = tf.train.string_input_producer([path1]) #建立输入队列 image_reader = tf.WholeFileReader() _,image=image_reader.read(file_queue) #将完整的文件加载到内存 image = tf.image.decode_jpeg(image) with tf.Session() as sess: coord = tf.train.Coordinator() #协同启动的线程 threads = tf.train.start_queue_runners(sess=sess,coord=coord) #启动线程运行 plt.imshow(image.eval()) plt.show() coord.request_stop() #通在全部的线程 coord.join(threads)
经过tf.image.resize_image()来调整图片大小多线程
函数原型:dom
tf.image.resize_images( images, size, method=ResizeMethod.BILINEAR, align_corners=False, preserve_aspect_ratio=False)
参数:函数
method:图片形状调整方法,能够取下面的值 ResizeMethod.BILINEAR:默认方法,双线性插值 ResizeMethod.NEAREST_NEIGHBOR:最近邻插值 ResizeMethod.BICUBIC:双三次插值 ResizeMethod.AREA:区域插值 align_corners:布尔型参数,默认为False,为True时,输入张量和输出张量的四个角的像素点的中心是对齐的,保留四个角的像素值 preserve_aspect_ratio:布尔型参数,默认为False,设置是否保持输入图片的长、宽比,若是设置为True,输入图像 images 的尺寸将调整为输入 size 的大小,同时保持原始输入图片的长宽比。若是输入 size 的比输入图像 images的尺寸大,将会按照比例放大输入图像 images
import tensorflow as tf import matplotlib.pyplot as plt import numpy as np image_raw = tf.gfile.GFile('./image/cat/cat.jpg','rb').read() with tf.Session() as sess: image_data = tf.image.decode_jpeg(image_raw) resized = tf.image.resize_images(image_data,[300,300],method=0) plt.imshow(np.asarray(resized.eval(),dtype='uint8')) plt.show()
tf.image.resize_image_with_crop_or_pad()ui
函数原型:线程
def resize_image_with_crop_or_pad(image, target_height, target_width):
import tensorflow as tf import matplotlib.pyplot as plt import numpy as np image_raw = tf.gfile.GFile('./image/cat/cat.jpg','rb').read() with tf.Session() as sess: image_data = tf.image.decode_jpeg(image_raw) resized = tf.image.resize_image_with_crop_or_pad(image_data,1000,1000) plt.imshow(np.asarray(resized.eval(),dtype='uint8')) plt.show()
函数原型:3d
tf.image.transpose_image(image)
with tf.Session() as sess: image_data = tf.image.decode_jpeg(image_raw) resized = tf.image.transpose_image(image_data) plt.imshow(np.asarray(resized.eval(),dtype='uint8')) plt.show()
def adjust_brightness(image, delta)
def random_brightness(image, max_delta, seed=None)
max_delta:最大差量
with tf.Session() as sess: image_data = tf.image.decode_jpeg(image_raw) brightness = tf.image.random_brightness(image_data,max_delta=0.4,seed=42) plt.imshow(np.asarray(brightness.eval(),dtype='uint8')) plt.show()
def adjust_hue(images, delta, name=None)
delta:差量
with tf.Session() as sess: image_data = tf.image.decode_jpeg(image_raw) adjust_hue = tf.image.adjust_hue(image_data,delta=0.4) plt.imshow(np.asarray(adjust_hue.eval(),dtype='uint8')) plt.show()