圖像預處理之圖像翻轉、圖像色彩調整、圖像尺寸調整

圖像翻轉 

tf.image.flip_up_down：上下翻轉 
tf.image.flip_left_right：左右翻轉 
tf.image.transpose_image：對角線翻轉 

除此之外，TensorFlow還提供了隨機翻轉的函數，保證了樣本的樣本的隨機性： 
tf.image.random_flip_up_down：隨機上下翻轉圖片 
tf.image.random_flip_left_right：隨機左右翻轉圖片

圖像色彩調整 

亮度： 
tf.image.adjust_brightness：調整圖片亮度 
tf.image.random_brightness：在某范圍隨機調整圖片亮度 
對比度： 
tf.image.adjust_contrast：調整圖片對比度 
tf.image.random_contrast：在某范圍隨機調整圖片對比度 
色相： 
tf.image.adjust_hue：調整圖片色相 
tf.image.random_hue：在某范圍隨機調整圖片色相 
飽和度： 
tf.image.adjust_saturation：調整圖片飽和度 
tf.image.random_saturation：在某范圍隨機調整圖片飽和度 
歸一化： 
per_image_standardization：三維矩陣中的數字均值變為0，方差變為1。在以前的版本中，它其實叫做per_image_whitening，也就是白化操作。

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)
     plt.imshow(img_data.eval())
     plt.show()

     # 將圖片的亮度-0.5。
     adjusted = tf.image.adjust_brightness(img_data, -0.5)
     plt.imshow(adjusted.eval())
     plt.show()

     # 將圖片的亮度0.5
     adjusted = tf.image.adjust_brightness(img_data, 0.5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 在[-max_delta, max_delta)的范圍隨機調整圖片的亮度。
     adjusted = tf.image.random_brightness(img_data, max_delta=0.5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 將圖片的對比度-5
     adjusted = tf.image.adjust_contrast(img_data, -5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 將圖片的對比度+5
     adjusted = tf.image.adjust_contrast(img_data, 5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 在[lower, upper]的范圍隨機調整圖的對比度。
     adjusted = tf.image.random_contrast(img_data, 0.1, 0.6)
     plt.imshow(adjusted.eval())
     plt.show()

     #調整圖片的色相
     adjusted = tf.image.adjust_hue(img_data, 0.1)
     plt.imshow(adjusted.eval())
     plt.show()

     # 在[-max_delta, max_delta]的范圍隨機調整圖片的色相。max_delta的取值在[0, 0.5]之間。
     adjusted = tf.image.random_hue(img_data, 0.5)
     plt.imshow(adjusted.eval())
     plt.show()  


     # 將圖片的飽和度-5。
     adjusted = tf.image.adjust_saturation(img_data, -5)
     plt.imshow(adjusted.eval())
     plt.show()  


     # 在[lower, upper]的范圍隨機調整圖的飽和度。
     adjusted = tf.image.random_saturation(img_data, 0, 5)

     # 將代表一張圖片的三維矩陣中的數字均值變為0，方差變為1。
     adjusted = tf.image.per_image_standardization(img_data)

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。

參考：https://blog.csdn.net/chaipp0607/article/details/73089910