Tensorflow深度學習之十二：基礎圖像處理之二

Tensorflow深度學習之十二：基礎圖像處理之二

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

 

首先放出原始圖像：

1、圖像的翻轉

import tensorflow as tf import cv2 # 這里定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數 # 請注意： # 在tensorflow中，一個像素點的顏色順序是R，G，B。 # 在opencv中，一個像素點的顏色順序是B，G，R。 # 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。 # 第一個參數name：將要顯示的窗口名稱。 # 第二個參數image：儲存圖片信息的一個tensor。 def cv2Show(name="", image=None): # 獲取矩陣信息 np = image.eval() # 獲取行數列數 row, col = len(np),len(np[1]) # 兩重循環遍歷 for i in range(row): for j in range(col): # 交換數值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 顯示圖片 cv2.imshow(name,np) pass # tensorflow會話 with tf.Session() as sess: # 以二進制的方式讀取圖片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解碼圖片。 image_data = tf.image.decode_jpeg(image_raw_data) # 顯示原圖片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # 上下翻轉圖像 up_and_down = tf.image.flip_up_down(image_data) cv2Show("up and down",up_and_down) # 左右翻轉圖像 left_and_right = tf.image.flip_left_right(image_data) cv2Show("left and right", left_and_right) # 沿對角線翻轉圖像 transposed = tf.image.transpose_image(image_data) cv2Show("transposed image", transposed) # 以一定概率上下翻轉圖像 random_up_and_down = tf.image.random_flip_up_down(image_data) cv2Show("random up and down", random_up_and_down) # 以一定概率左右翻轉圖像 random_left_and_right = tf.image.random_flip_left_right(image_data) cv2Show("random left and right", random_left_and_right) cv2.waitKey()

程序運行結果如下：

注：由於個人的顯示器限制，這里只截取了部分的對角線翻轉的圖像。

注：可以看到這里按照一定的概率翻轉，只有上下進行了翻轉，而左右並沒有翻轉。

2、圖像的亮度調整

import tensorflow as tf import cv2 # 這里定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數 # 請注意： # 在tensorflow中，一個像素點的顏色順序是R，G，B。 # 在opencv中，一個像素點的顏色順序是B，G，R。 # 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。 # 第一個參數name：將要顯示的窗口名稱。 # 第二個參數image：儲存圖片信息的一個tensor。 def cv2Show(name="", image=None): # 獲取矩陣信息 np = image.eval() # 獲取行數列數 row, col = len(np),len(np[1]) # 兩重循環遍歷 for i in range(row): for j in range(col): # 交換數值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 顯示圖片 cv2.imshow(name,np) pass # tensorflow會話 with tf.Session() as sess: # 以二進制的方式讀取圖片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解碼圖片。 image_data = tf.image.decode_jpeg(image_raw_data) # 顯示原圖片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # 將圖片的亮度-0.5 adjusted1 = tf.image.adjust_brightness(image_data, -0.5) cv2Show("brightness -0.5", adjusted1) # 將圖片的亮度+0.5 adjusted2 = tf.image.adjust_brightness(image_data, 0.5) cv2Show("brightness +0.5",adjusted2) # 隨機調整圖像的亮度： # random_brightness(image, max_delta, seed=None) # image：待調整的圖像 # max_delta：在[-max_delte,max_delte)的范圍隨機調整圖像的亮度 # seed：隨機數種子 adjusted3 = tf.image.random_brightness(image_data, 0.3) cv2Show("random brightness", adjusted3) cv2.waitKey()

程序運行如下：

3、調整圖像的對比度

import tensorflow as tf import cv2 # 這里定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數 # 請注意： # 在tensorflow中，一個像素點的顏色順序是R，G，B。 # 在opencv中，一個像素點的顏色順序是B，G，R。 # 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。 # 第一個參數name：將要顯示的窗口名稱。 # 第二個參數image：儲存圖片信息的一個tensor。 def cv2Show(name="", image=None): # 獲取矩陣信息 np = image.eval() # 獲取行數列數 row, col = len(np),len(np[1]) # 兩重循環遍歷 for i in range(row): for j in range(col): # 交換數值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 顯示圖片 cv2.imshow(name,np) pass # tensorflow會話 with tf.Session() as sess: # 以二進制的方式讀取圖片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解碼圖片。 image_data = tf.image.decode_jpeg(image_raw_data) # 顯示原圖片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # 將圖片的對比度-5 adjusted1 = tf.image.adjust_contrast(image_data, -5) cv2Show("contrast -5", adjusted1) # 將圖片的對比度+5 adjusted2 = tf.image.adjust_contrast(image_data, 5) cv2Show("contrast +5",adjusted2) # 隨機調整圖像的對比度： # random_contrast(image, lower, upper, seed=None) # image：待調整的圖像 # lower，upper：在[lower,upper]的范圍隨機調整圖像的對比度。lower非負。 # seed：隨機數種子 adjusted3 = tf.image.random_contrast(image_data, 1, 9) cv2Show("random contrast", adjusted3) cv2.waitKey()

程序運行如下：

4、調整圖像的色相

import tensorflow as tf import cv2 # 這里定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數 # 請注意： # 在tensorflow中，一個像素點的顏色順序是R，G，B。 # 在opencv中，一個像素點的顏色順序是B，G，R。 # 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。 # 第一個參數name：將要顯示的窗口名稱。 # 第二個參數image：儲存圖片信息的一個tensor。 def cv2Show(name="", image=None): # 獲取矩陣信息 np = image.eval() # 獲取行數列數 row, col = len(np),len(np[1]) # 兩重循環遍歷 for i in range(row): for j in range(col): # 交換數值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 顯示圖片 cv2.imshow(name,np) pass # tensorflow會話 with tf.Session() as sess: # 以二進制的方式讀取圖片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解碼圖片。 image_data = tf.image.decode_jpeg(image_raw_data) # 顯示原圖片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # adjust_hue(image, delta, name=None) # delte的范圍:[-1,1] # 將圖片的色相+0.1 adjusted1 = tf.image.adjust_hue(image_data, 0.1) cv2Show("hue +0.1", adjusted1) # 將圖片的色相+0.3 adjusted2 = tf.image.adjust_hue(image_data, 0.3) cv2Show("hue +0.3", adjusted2) # 將圖片的色相+0.6 adjusted3 = tf.image.adjust_hue(image_data, 0.6) cv2Show("hue +0.6", adjusted3) # 將圖片的色相+0.9 adjusted4 = tf.image.adjust_hue(image_data, 0.9) cv2Show("hue +0.9", adjusted4) # 隨機調整圖像的色相： # random_hue(image, max_delta, seed=None) # image：待調整的圖像 # max_delta：在[-max_delta,max_delta]的范圍隨機調整圖像的色相。max_delta的范圍[0,0.5]。 # seed：隨機數種子 adjusted5 = tf.image.random_hue(image_data,0.4) cv2Show("random hue", adjusted5) cv2.waitKey()

程序運行結果如下：

5、調整圖像的飽和度

import tensorflow as tf import cv2 # 這里定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數 # 請注意： # 在tensorflow中，一個像素點的顏色順序是R，G，B。 # 在opencv中，一個像素點的顏色順序是B，G，R。 # 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。 # 第一個參數name：將要顯示的窗口名稱。 # 第二個參數image：儲存圖片信息的一個tensor。 def cv2Show(name="", image=None): # 獲取矩陣信息 np = image.eval() # 獲取行數列數 row, col = len(np),len(np[1]) # 兩重循環遍歷 for i in range(row): for j in range(col): # 交換數值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 顯示圖片 cv2.imshow(name,np) pass # tensorflow會話 with tf.Session() as sess: # 以二進制的方式讀取圖片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解碼圖片。 image_data = tf.image.decode_jpeg(image_raw_data) # 顯示原圖片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # 將圖片的飽和度-5 adjusted1 = tf.image.adjust_saturation(image_data, -5) cv2Show("saturation -5", adjusted1) # 將圖片的飽和度+5 adjusted2 = tf.image.adjust_saturation(image_data, 5) cv2Show("saturation +5", adjusted2) # 隨機調整圖像的飽和度： # random_saturation(image, lower, upper, seed=None) # image：待調整的圖像 # lower，upper：在[lower,upper]的范圍隨機調整圖像的飽和度。lower非負。 # seed：隨機數種子 adjusted3 = tf.image.random_saturation(image_data, 1, 9) cv2Show("random saturation", adjusted3) cv2.waitKey()

程序運行結果如下：

6、圖像的標准化

import tensorflow as tf import cv2 # 這里定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數 # 請注意： # 在tensorflow中，一個像素點的顏色順序是R，G，B。 # 在opencv中，一個像素點的顏色順序是B，G，R。 # 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。 # 第一個參數name：將要顯示的窗口名稱。 # 第二個參數image：儲存圖片信息的一個tensor。 def cv2Show(name="", image=None): # 獲取矩陣信息 np = image.eval() # 獲取行數列數 row, col = len(np),len(np[1]) # 兩重循環遍歷 for i in range(row): for j in range(col): # 交換數值 tmp = np[i][j][0] np[i][j][0] = np[i][j][2] np[i][j][2] = tmp # 顯示圖片 cv2.imshow(name,np) pass # tensorflow會話 with tf.Session() as sess: # 以二進制的方式讀取圖片。 image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read() # 按照jpeg的格式解碼圖片。 image_data = tf.image.decode_jpeg(image_raw_data) # 顯示原圖片。 cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data) # 將代表一張圖像的三維矩陣中的數字均值變成0，方差變為1。 adjusted = tf.image.per_image_standardization(image_data) cv2Show("image_standardization", adjusted) cv2.waitKey()

程序運行結果如下：