tensorflow圖像處理函數(1)

1、tensorflow中對jpeg格式圖像的編碼/解碼函數：

import matplotlib.pyplot as plt
import tensorflow as tf
image_raw_data=tf.gfile.FastGFile('/Users/jk/Downloads/timg.jpeg','rb').read()
with tf.Session() as sess:
    img_data=tf.image.decode_jpeg(image_raw_data)    #通過tf.img.decode_jpeg函數對jpeg格式的圖像進行解碼，解碼后的結果為一個張量 print(img_data.eval())      #輸出解碼后的三維矩陣
    plt.imshow(img_data.eval())
    plt.show()
    img_data=tf.image.convert_image_dtype(img_data,dtype=tf.uint8)    
    encode_image=tf.image.encode_jpeg(img_data)     #將圖像的三維矩陣重新按照jpeg格式編碼存入文件，打開該圖像可以得到和原始圖像一樣的圖像
    with tf.gfile.GFile('/Users/jk/Downloads/output','wb') as f:   #將文件寫入目標路徑，生成圖像文件
        f.write(encode_image.eval())

 2、圖像大小調整(和上面的類似，僅多了圖像大小調整的部分，下面的例子將類似)：

import matplotlib.pyplot as plt
import tensorflow as tf
image_raw_data=tf.gfile.FastGFile('/Users/jk/Downloads/timg.jpeg','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.uint8)
    resized=tf.image.resize_images(img_data,size=[300,300],method=1)    #將圖像大小轉為[300,300],圖像深度在沒有明確設置前會是?,
    print(resized.get_shape())
    resized=tf.image.convert_image_dtype(resized,dtype=tf.uint8)     #數據預處理時候會把dtype轉為tf.float32，因此需要手動轉回tf.uint8
    encode_image=tf.image.encode_jpeg(resized)
    with tf.gfile.GFile('/Users/jk/Downloads/output','wb') as f:    #返回調整大小后的圖像
        f.write(encode_image.eval())      

 通過tf.image.resize_image_with_crop_or_pad函數來調整圖像大小的功能：

croped=tf.image.resize_image_with_crop_or_pad(img_data,3000,3000)  #將圖像數據擴充為3000x3000，若圖像大小大於原始數據，則使用全0填充。

通過tf.image.central_crop函數來對圖像按比例進行裁剪：

central_cropped=tf.image.central_crop(img_data,0.8)   #按比例進行縮小，后面的比例必須是一個(0,1]的實數。

通過tf.image.flip_up_down函數來進行圖像翻轉：

flipped=tf.image.flip_up_down(img_data)   #上下翻轉
flipped=tf.image.flip_left_right(img_data)   #左右翻轉
flipped=tf.image.transpose_image(img_data)   #沿對角線翻轉

3、圖像的色彩調整

通過tf.image.adjust_brightness函數進行色彩調整：

adjusted=tf.image.adjust_brightness(img_data,-0.5)  #將圖像的亮度-0.5
adjusted=tf.image.adjust_brightness(img_data,+0.5) #將圖像的亮度+0.5
adjusted=tf.image.random_brightness(img_data,max_delta)    #將圖像的亮度在[-max_delta,max_delta]范圍內隨機調整

通過tf.image.adjust_contrast函數來調整圖像的對比度：

adjusted=tf.image.adjust_contrast(img_data,5)   #將圖像的對比度+5
adjusted=tf.image.random_contrast(img_data,lower,upper)  #在[lower, upper]范圍內隨機調整圖像的對比度

通過tf.image.adjust_hue函數來調整圖像的色相：

adjusted=tf.image.adjust_hue(img_data,0.5)   #將圖像的色相加0.5
adjusted=tf.image.random_hue(img_data,max_delta)   #在[-max_delta,max_delta]范圍內隨機調整圖像的色相

通過tf.image.adjust_saturation函數調整圖像的飽和度：

adjusted=tf.image.adjust_saturation(img_data,-5)   #將圖像的飽和度-5
adjusted=tf.image.random_saturation(img_data,lower,upper)  #隨機調整圖像的飽和度

通過tf.image.per_image_whitening函數來對圖像進行標准化：

adjusted=tf.image.per_image_standardization(img_data)   #對圖像進行標准化，轉化成亮度均值為0，方差為1.

4、處理標注框：

通過tf.image.draw_bounding_boxes函數在圖像中加入標注框

import matplotlib.pyplot as plt
import tensorflow as tf
image_raw_data=tf.gfile.FastGFile('/Users/jk/Downloads/timg.jpeg','rb').read()
with tf.Session() as sess:
    img_data=tf.image.decode_jpeg(image_raw_data)    #通過tf.img.decode_jpeg函數對jpeg格式的圖像進行解碼，解碼后的結果為一個張量
    img_data=tf.image.convert_image_dtype(img_data,dtype=tf.uint8)   
    img_data=tf.image.resize_images(img_data,[180,267],method=1)
    batched=tf.expand_dims(tf.image.convert_image_dtype(img_data,tf.float32),0)
    boxes=tf.constant([[[0.05,0.05,0.9,0.7],[0.35,0.47,0.5,0.56]]])#標注框的表示形式：[y_min, x_min, y_max, x_max]，組成部分為3維數組，分別對應[batch, N, 4],左邊的boxes的shape為[1,2,4]
    result=tf.image.draw_bounding_boxes(batched,boxes)
    plt.imshow(result[0].eval()) 
    plt.show()

 5、提取標注框內的圖像：（不知道為何畫出來的標注框和通過標注框截取的內容不一致）

import matplotlib.pyplot as plt
import tensorflow as tf
image_raw_data=tf.gfile.FastGFile('C:/Users/1/Desktop/01.jpg','rb').read()
with tf.Session() as sess:
    img_data=tf.image.decode_jpeg(image_raw_data)    #通過tf.img.decode_jpeg函數對jpeg格式的圖像進行解碼，解碼后的結果為一個張量
    img_data=tf.image.convert_image_dtype(img_data,dtype=tf.uint8)   
    img_data=tf.image.resize_images(img_data,[180,267],method=1)
    boxes=tf.constant([[[0.35,0.1,0.8,0.7],[0.4,0.47,0.5,0.56]]])          #通過提供標注框的方式告訴隨機截圖的算法哪些部分是有信息量的
    begin,size,bbox=tf.image.sample_distorted_bounding_box(tf.shape(img_data),bounding_boxes=boxes)       
    batched=tf.expand_dims(tf.image.convert_image_dtype(img_data,tf.float32),0)  #需要增加一維才能畫框
    img_with_box=tf.image.draw_bounding_boxes(batched,bbox)         #在原圖像的基礎上畫標注框
    distorted_image=tf.slice(img_data,begin,size)       #截取隨機得到的圖像
    plt.imshow(distorted_image.eval())
    plt.show()
    plt.imshow(img_with_box[0].eval())
    plt.show()