TensorFlow 圖像預處理（一） 圖像編解碼，圖像尺寸調整

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

TensorFlow提供了幾類圖像處理函數，下面介紹圖像的編碼與解碼，圖像尺寸調整。

編碼與解碼

圖像解碼與編碼：一張RGB三通道的彩色圖像可以看成一個三維矩陣，矩陣中的不位置上的數字代表圖像的像素值。然后圖像在存儲時並不是直接記錄這些矩陣中的數字，而是經過了壓縮編碼。所以將一張圖像還原成一個三維矩陣的過程就是解碼的過程，反之就是編碼了。其實如果大家熟悉opencv的話，imread和imwrite就是一個解碼和編碼的過程。
TensorFlow提供了常用圖片格式的解碼和編碼操作，下面用一個jpg的圖像演示：

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函數為jpeg（jpg）圖片解碼的過程，對應的encode_jpeg函數為編碼過程，編碼后將圖片重命名寫入到指定的路徑下。

圖像尺寸調整
圖像尺寸調整屬於基礎的圖像幾何變換，TensorFlow提供了幾種尺寸調整的函數：
tf.image.resize_images：將原始圖像縮放成指定的圖像大小，其中的參數method（默認值為ResizeMethod.BILINEAR）提供了四種插值算法，具體解釋可以參考圖像幾何變換（縮放、旋轉）中的常用的插值算法
tf.image.resize_image_with_crop_or_pad：剪裁或填充處理，會根據原圖像的尺寸和指定的目標圖像的尺寸選擇剪裁還是填充，如果原圖像尺寸大於目標圖像尺寸，則在中心位置剪裁，反之則用黑色像素填充。
tf.image.central_crop：比例調整，central_fraction決定了要指定的比例，取值范圍為(0，1]，該函數會以中心點作為基准，選擇整幅圖中的指定比例的圖像作為新的圖像。

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的函數處理圖片后存儲的數據是float32格式的，需要轉換成uint8才能正確打印圖片。 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()

原圖：

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)：

 

另外可以看 http://www.360doc.com/content/17/0513/14/10408243_653519828.shtml

tensorflow里面提供了實現圖像進行裁剪和填充的函數，就是tf.image.resize_image_with_crop_or_pad（img，height，width ）。img表示需要改變的圖像，height是改變后圖像的高度，width是寬度。

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()

結果：