Python基于Tensor FLow的图像处理操作详解


Posted in Python onJanuary 15, 2020

本文实例讲述了Python基于Tensor FLow的图像处理操作。分享给大家供大家参考,具体如下:

在对图像进行深度学习时,有时可能图片的数量不足,或者希望网络进行更多的学习,这时可以对现有的图片数据进行处理使其变成一张新的图片,在此基础上进行学习,从而提高网络识别的准确率。

1、图像解码显示

利用matplot库可以方便简洁地在jupyter内对图片进行绘制与输出,首先通过tf.gfile打开图片文件,并利用函数tf.image.decode_jpeg将jpeg图片解码为三位矩阵,之后便可以通过matplot绘制与显示图片信息了

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
 
#读取图像文件
image_raw=tf.gfile.GFile('D:\Temp\MachineLearning\data\cat.jpeg','rb').read()
 
with tf.Session() as sess:
  #对jpeg图像解码得到图像的三位矩阵数据
  image_data=tf.image.decode_jpeg(image_raw)
  print(image_data.eval())
  plt.imshow(image_data.eval())
  plt.show()

可以看到打印的图片三维矩阵信息和显示的图片:

Python基于Tensor FLow的图像处理操作详解                             Python基于Tensor FLow的图像处理操作详解

2、图像缩放

tensorflow还自带了许多图像处理函数,比如resize_image对图片进行大小的缩放。其中第一个参数代表图片数据源,第二个数组代表缩放后的大小,第三个method代表采用的缩放方法,默认0是双线性插值法,1代表最近邻插值法,2代表双立方插值法,3代表像素区域插值法。

#对图片大小进行缩放
  image_resize=tf.image.resize_images(image_data,[500,500],method=0)
  #tensorflow处理后的图片是float32格式的,需要转化为uint8才能正确输出
  image_resize=np.asarray(image_resize.eval(),dtype='uint8')
  plt.imshow(image_resize)
  plt.show()

3、图像裁切

函数tf.image.resize_image_with_crop_or_pad可以在保证图片原始比例的条件下对图片进行裁切或填充。

函数tf.image.random_crop是随机对图片进行选取裁剪,而不是以中心。

#图片裁剪
  image_crop=tf.image.resize_image_with_crop_or_pad(image_data,500,500)
  plt.imshow(image_crop.eval())
  plt.show()
  #随机裁剪
  img_random=tf.image.random_crop(image_data,[300,300,3])
  plt.imshow(img_random.eval())
  plt.show()

Python基于Tensor FLow的图像处理操作详解                               Python基于Tensor FLow的图像处理操作详解

resize_image_with_crop_or_pad第一个参数是图片资源,后两个参数是裁切后的图片大小,当原始图片大于目标值时将裁去两边多余部分,当图片小于目标值时将用黑色填充,例如上图左右被裁剪,上下用黑色填充。

random_crop第一个参数是图片资源,第二个参数是一个三位张量,代表目标图像大小。

4、图像翻转

通过函数实现图片的上下、左右翻转,在模型训练时,可以将原本的样本图片进行反转,作为新的特征值进行输入供模型训练。

#上下翻转
  img_down=tf.image.flip_up_down(image_data)
  plt.imshow(img_down.eval())
  plt.show()
  
  #左右翻转
  img_left=tf.image.flip_left_right(image_data)
  plt.imshow(img_left.eval())
  plt.show()

5、调整对比度、明度、饱和度

通过tf.image.adjust_contrast可以对图像对比度进行调整,当参数大于1代表加深,小于1代表减淡

tf.image.random_contrast可以在指定范围内随即调整对比度

类似的还有adjust_brightness、adjust_saturation、adjust_hue对明度、饱和度、色相进行调整

#加深对比度
  img_deep=tf.image.adjust_contrast(image_data,2)
  plt.imshow(img_deep.eval())
  plt.show()
  #降低对比度
  img_fade=tf.image.adjust_contrast(image_data,0.5)
  plt.imshow(img_fade.eval())
  plt.show()
  #随机对比度
  img_contrast=tf.image.random_contrast(image_data,0.5,2)
  plt.imshow(img_contrast.eval())
  plt.show()

6、对VGG网络的输入图片进行处理

Vgg网络训练中传入的图片参数x_img是以batch_size为单位的四维数据,例如传入20张32×32的3通道图片,其数据为[20,32,32,3]。但是tensorflow的图片处理函数只可以处理三维的单张图片。因此需要首先通过split()函数将20张图片拆分成单张[1,32,32,3],再通过reshape()函数转化为三维数据[32,32,3],之后再调用图片处理函数对图片进行处理,将处理后的图片恢复成四维,然后放在数组res_arr中,拼接成原来的一组20×32×32×3的数据。

# 将一批batch_size张图片在第一维上切分为单张图片
img_arr=tf.split(x_img,batch_size,axis=0)
res_arr=[]
# 遍历每个图片对其进行处理
for img in img_arr:
  # 将单张四维的图片[1,32,32,3]处理成三维[32,32,3]
  img=tf.reshape(img,[32,32,3])
  # 对单张图片进行图像增强
  img_flip=tf.image.random_flip_left_right(img)   # 翻转图片
  img_bright=tf.image.random_brightness(img_flip,max_delta=63)  # 随机调整亮度
  img_contrast=tf.image.random_contrast(img_bright,lower=0.2, upper=1.8) # 调整对比度
  # 将增强后的图片再变回原来的四维格式
  img=tf.reshape(img_contrast,[1,32,32,3])
  # 将每个处理后的图片放在一个数组
  res_arr.append(img)
# 将处理后的单个图片重新拼接在一起  
img_aug=tf.concat(res_arr,axis=0)

希望本文所述对大家Python程序设计有所帮助。

Python 相关文章推荐
python使用在线API查询IP对应的地理位置信息实例
Jun 01 Python
python实现的生成随机迷宫算法核心代码分享(含游戏完整代码)
Jul 11 Python
python中zip和unzip数据的方法
May 27 Python
Python 数据处理库 pandas进阶教程
Apr 21 Python
Python + OpenCV 实现LBP特征提取的示例代码
Jul 11 Python
django 连接数据库 sqlite的例子
Aug 14 Python
Python使用微信itchat接口实现查看自己微信的信息功能详解
Aug 22 Python
python打印异常信息的两种实现方式
Dec 24 Python
python代码中怎么换行
Jun 17 Python
Keras 切换后端方式(Theano和TensorFlow)
Jun 19 Python
Python 如何展开嵌套的序列
Aug 01 Python
Python 常用日期处理 -- calendar 与 dateutil 模块的使用
Sep 02 Python
OpenCV哈里斯(Harris)角点检测的实现
Jan 15 #Python
Pytorch模型转onnx模型实例
Jan 15 #Python
Python通过TensorFLow进行线性模型训练原理与实现方法详解
Jan 15 #Python
详解Python实现进度条的4种方式
Jan 15 #Python
pytorch常见的Tensor类型详解
Jan 15 #Python
pytorch 常用线性函数详解
Jan 15 #Python
python3.8下载及安装步骤详解
Jan 15 #Python
You might like
dede3.1分页文字采集过滤规则详说(图文教程)续四
2007/04/03 PHP
PHP 中执行排序与 MySQL 中排序
2009/04/21 PHP
PHP面向对象学习笔记之二 生成对象的设计模式
2012/10/06 PHP
PHP入门经历和学习过程分享
2014/04/11 PHP
写一段简单的PHP建立文件夹代码
2015/01/06 PHP
PHPStorm+XDebug进行调试图文教程
2016/06/13 PHP
示例详解Laravel重置密码代码重构
2016/08/10 PHP
无语,javascript居然支持中文(unicode)编程!
2007/04/12 Javascript
Jquery Ajax学习实例7 Ajax所有过程事件分析示例
2010/03/23 Javascript
jQuery JSON实现无刷新三级联动实例探讨
2013/05/28 Javascript
原生javascript实现简单的datagrid数据表格
2015/01/02 Javascript
AngularJS  双向数据绑定详解简单实例
2016/10/20 Javascript
jQuery在header中设置请求信息的方法
2017/03/06 Javascript
通过构造函数实例化对象的方法
2017/06/28 Javascript
nodejs 子进程正确的打开方式
2017/07/03 NodeJs
你不知道的Vue技巧之--开发一个可以通过方法调用的组件(推荐)
2019/04/15 Javascript
在微信小程序中使用mqtt服务的方法
2019/12/13 Javascript
Vue组件简易模拟实现购物车
2020/12/21 Vue.js
微信小程序tab左右滑动切换功能的实现代码
2021/02/08 Javascript
[41:08]TNC vs VG 2018国际邀请赛小组赛BO2 第一场 8.16
2018/08/17 DOTA
python通过zlib实现压缩与解压字符串的方法
2014/11/19 Python
用Python的Django框架编写从Google Adsense中获得报表的应用
2015/04/17 Python
python文件与目录操作实例详解
2016/02/22 Python
Python 数据结构之队列的实现
2017/01/22 Python
Python实现PS滤镜特效之扇形变换效果示例
2018/01/26 Python
Python3中的列表生成式、生成器与迭代器实例详解
2018/06/11 Python
Python学习笔记之文件的读写操作实例分析
2019/08/07 Python
python word转pdf代码实例
2019/08/16 Python
Python使用tkinter模块实现推箱子游戏
2019/10/08 Python
python如何实现word批量转HTML
2020/09/30 Python
HTML4和HTML5之间除了相似以外的10个主要不同
2012/12/13 HTML / CSS
意大利奢侈品综合电商网站:MODES
2019/12/14 全球购物
大学生先进事迹材料
2014/02/16 职场文书
小学二年级评语
2014/04/21 职场文书
部队个人年终总结
2015/03/02 职场文书
结婚当天新郎保证书
2015/05/08 职场文书