Tensorflow深度学习之十二：基础图像处理之二

Tensorflow深度学习之十二：基础图像处理之二

from：https://blog.csdn.net/davincil/article/details/76598474

 

首先放出原始图像：

1、图像的翻转

import tensorflow as tf import cv2 # 这里定义一个tensorflow读取的图片格式转换为opencv读取的图片格式的函数 # 请注意： # 在tensorflow中，一个像素点的颜色顺序是R，G，B。 # 在opencv中，一个像素点的颜色顺序是B，G，R。 # 因此，我们循环遍历每一个像素点，将第0位的颜色和第2位的颜色数值换一下即可。 # 第一个参数name：将要显示的窗口名称。 # 第二个参数image：储存图片信息的一个tensor。 def cv2Show(name="", image=None): # 获取矩阵信息 np = image.eval() # 获取行数列数 row, col = len(np),len(np[1]) # 两重循环遍历 for i in range(row): for j in range(col): # 交换数值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 显示图片 cv2.imshow(name,np) pass # tensorflow会话 with tf.Session() as sess: # 以二进制的方式读取图片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解码图片。 image_data = tf.image.decode_jpeg(image_raw_data) # 显示原图片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # 上下翻转图像 up_and_down = tf.image.flip_up_down(image_data) cv2Show("up and down",up_and_down) # 左右翻转图像 left_and_right = tf.image.flip_left_right(image_data) cv2Show("left and right", left_and_right) # 沿对角线翻转图像 transposed = tf.image.transpose_image(image_data) cv2Show("transposed image", transposed) # 以一定概率上下翻转图像 random_up_and_down = tf.image.random_flip_up_down(image_data) cv2Show("random up and down", random_up_and_down) # 以一定概率左右翻转图像 random_left_and_right = tf.image.random_flip_left_right(image_data) cv2Show("random left and right", random_left_and_right) cv2.waitKey()

程序运行结果如下：

注：由于个人的显示器限制，这里只截取了部分的对角线翻转的图像。

注：可以看到这里按照一定的概率翻转，只有上下进行了翻转，而左右并没有翻转。

2、图像的亮度调整

import tensorflow as tf import cv2 # 这里定义一个tensorflow读取的图片格式转换为opencv读取的图片格式的函数 # 请注意： # 在tensorflow中，一个像素点的颜色顺序是R，G，B。 # 在opencv中，一个像素点的颜色顺序是B，G，R。 # 因此，我们循环遍历每一个像素点，将第0位的颜色和第2位的颜色数值换一下即可。 # 第一个参数name：将要显示的窗口名称。 # 第二个参数image：储存图片信息的一个tensor。 def cv2Show(name="", image=None): # 获取矩阵信息 np = image.eval() # 获取行数列数 row, col = len(np),len(np[1]) # 两重循环遍历 for i in range(row): for j in range(col): # 交换数值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 显示图片 cv2.imshow(name,np) pass # tensorflow会话 with tf.Session() as sess: # 以二进制的方式读取图片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解码图片。 image_data = tf.image.decode_jpeg(image_raw_data) # 显示原图片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # 将图片的亮度-0.5 adjusted1 = tf.image.adjust_brightness(image_data, -0.5) cv2Show("brightness -0.5", adjusted1) # 将图片的亮度+0.5 adjusted2 = tf.image.adjust_brightness(image_data, 0.5) cv2Show("brightness +0.5",adjusted2) # 随机调整图像的亮度： # random_brightness(image, max_delta, seed=None) # image：待调整的图像 # max_delta：在[-max_delte,max_delte)的范围随机调整图像的亮度 # seed：随机数种子 adjusted3 = tf.image.random_brightness(image_data, 0.3) cv2Show("random brightness", adjusted3) cv2.waitKey()

程序运行如下：

3、调整图像的对比度

import tensorflow as tf import cv2 # 这里定义一个tensorflow读取的图片格式转换为opencv读取的图片格式的函数 # 请注意： # 在tensorflow中，一个像素点的颜色顺序是R，G，B。 # 在opencv中，一个像素点的颜色顺序是B，G，R。 # 因此，我们循环遍历每一个像素点，将第0位的颜色和第2位的颜色数值换一下即可。 # 第一个参数name：将要显示的窗口名称。 # 第二个参数image：储存图片信息的一个tensor。 def cv2Show(name="", image=None): # 获取矩阵信息 np = image.eval() # 获取行数列数 row, col = len(np),len(np[1]) # 两重循环遍历 for i in range(row): for j in range(col): # 交换数值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 显示图片 cv2.imshow(name,np) pass # tensorflow会话 with tf.Session() as sess: # 以二进制的方式读取图片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解码图片。 image_data = tf.image.decode_jpeg(image_raw_data) # 显示原图片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # 将图片的对比度-5 adjusted1 = tf.image.adjust_contrast(image_data, -5) cv2Show("contrast -5", adjusted1) # 将图片的对比度+5 adjusted2 = tf.image.adjust_contrast(image_data, 5) cv2Show("contrast +5",adjusted2) # 随机调整图像的对比度： # random_contrast(image, lower, upper, seed=None) # image：待调整的图像 # lower，upper：在[lower,upper]的范围随机调整图像的对比度。lower非负。 # seed：随机数种子 adjusted3 = tf.image.random_contrast(image_data, 1, 9) cv2Show("random contrast", adjusted3) cv2.waitKey()

程序运行如下：

4、调整图像的色相

import tensorflow as tf import cv2 # 这里定义一个tensorflow读取的图片格式转换为opencv读取的图片格式的函数 # 请注意： # 在tensorflow中，一个像素点的颜色顺序是R，G，B。 # 在opencv中，一个像素点的颜色顺序是B，G，R。 # 因此，我们循环遍历每一个像素点，将第0位的颜色和第2位的颜色数值换一下即可。 # 第一个参数name：将要显示的窗口名称。 # 第二个参数image：储存图片信息的一个tensor。 def cv2Show(name="", image=None): # 获取矩阵信息 np = image.eval() # 获取行数列数 row, col = len(np),len(np[1]) # 两重循环遍历 for i in range(row): for j in range(col): # 交换数值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 显示图片 cv2.imshow(name,np) pass # tensorflow会话 with tf.Session() as sess: # 以二进制的方式读取图片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解码图片。 image_data = tf.image.decode_jpeg(image_raw_data) # 显示原图片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # adjust_hue(image, delta, name=None) # delte的范围:[-1,1] # 将图片的色相+0.1 adjusted1 = tf.image.adjust_hue(image_data, 0.1) cv2Show("hue +0.1", adjusted1) # 将图片的色相+0.3 adjusted2 = tf.image.adjust_hue(image_data, 0.3) cv2Show("hue +0.3", adjusted2) # 将图片的色相+0.6 adjusted3 = tf.image.adjust_hue(image_data, 0.6) cv2Show("hue +0.6", adjusted3) # 将图片的色相+0.9 adjusted4 = tf.image.adjust_hue(image_data, 0.9) cv2Show("hue +0.9", adjusted4) # 随机调整图像的色相： # random_hue(image, max_delta, seed=None) # image：待调整的图像 # max_delta：在[-max_delta,max_delta]的范围随机调整图像的色相。max_delta的范围[0,0.5]。 # seed：随机数种子 adjusted5 = tf.image.random_hue(image_data,0.4) cv2Show("random hue", adjusted5) cv2.waitKey()

程序运行结果如下：

5、调整图像的饱和度

import tensorflow as tf import cv2 # 这里定义一个tensorflow读取的图片格式转换为opencv读取的图片格式的函数 # 请注意： # 在tensorflow中，一个像素点的颜色顺序是R，G，B。 # 在opencv中，一个像素点的颜色顺序是B，G，R。 # 因此，我们循环遍历每一个像素点，将第0位的颜色和第2位的颜色数值换一下即可。 # 第一个参数name：将要显示的窗口名称。 # 第二个参数image：储存图片信息的一个tensor。 def cv2Show(name="", image=None): # 获取矩阵信息 np = image.eval() # 获取行数列数 row, col = len(np),len(np[1]) # 两重循环遍历 for i in range(row): for j in range(col): # 交换数值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 显示图片 cv2.imshow(name,np) pass # tensorflow会话 with tf.Session() as sess: # 以二进制的方式读取图片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解码图片。 image_data = tf.image.decode_jpeg(image_raw_data) # 显示原图片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # 将图片的饱和度-5 adjusted1 = tf.image.adjust_saturation(image_data, -5) cv2Show("saturation -5", adjusted1) # 将图片的饱和度+5 adjusted2 = tf.image.adjust_saturation(image_data, 5) cv2Show("saturation +5", adjusted2) # 随机调整图像的饱和度： # random_saturation(image, lower, upper, seed=None) # image：待调整的图像 # lower，upper：在[lower,upper]的范围随机调整图像的饱和度。lower非负。 # seed：随机数种子 adjusted3 = tf.image.random_saturation(image_data, 1, 9) cv2Show("random saturation", adjusted3) cv2.waitKey()

程序运行结果如下：

6、图像的标准化

import tensorflow as tf import cv2 # 这里定义一个tensorflow读取的图片格式转换为opencv读取的图片格式的函数 # 请注意： # 在tensorflow中，一个像素点的颜色顺序是R，G，B。 # 在opencv中，一个像素点的颜色顺序是B，G，R。 # 因此，我们循环遍历每一个像素点，将第0位的颜色和第2位的颜色数值换一下即可。 # 第一个参数name：将要显示的窗口名称。 # 第二个参数image：储存图片信息的一个tensor。 def cv2Show(name="", image=None): # 获取矩阵信息 np = image.eval() # 获取行数列数 row, col = len(np),len(np[1]) # 两重循环遍历 for i in range(row): for j in range(col): # 交换数值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 显示图片 cv2.imshow(name,np) pass # tensorflow会话 with tf.Session() as sess: # 以二进制的方式读取图片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解码图片。 image_data = tf.image.decode_jpeg(image_raw_data) # 显示原图片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # 将代表一张图像的三维矩阵中的数字均值变成0，方差变为1。 adjusted = tf.image.per_image_standardization(image_data) cv2Show("image_standardization", adjusted) cv2.waitKey()

程序运行结果如下：