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
python33 urllib2使用方法细节讲解
Dec 03 Python
Python代码解决RenderView窗口not found问题
Aug 28 Python
Python爬虫包BeautifulSoup异常处理(二)
Jun 17 Python
深入浅析Python中list的复制及深拷贝与浅拷贝
Sep 03 Python
Python定义函数功能与用法实例详解
Apr 08 Python
python os.path.isfile()因参数问题判断错误的解决
Nov 29 Python
Python3监控疫情的完整代码
Feb 20 Python
Win10用vscode打开anaconda环境中的python出错问题的解决
May 25 Python
关于tf.matmul() 和tf.multiply() 的区别说明
Jun 18 Python
PyCharm Community安装与配置的详细教程
Nov 24 Python
Python经典五人分鱼实例讲解
Jan 04 Python
解决Pyinstaller打包软件失败的一个坑
Mar 04 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
用PHP 4.2书写安全的脚本
2006/10/09 PHP
利用 window_onload 实现select默认选择
2006/10/09 PHP
Smarty的配置与高级缓存技术分享
2012/06/05 PHP
关于php正则匹配汉字的方法介绍
2013/04/25 PHP
ThinkPHP3.1新特性之查询条件预处理简介
2014/06/19 PHP
php基础教程
2015/08/26 PHP
jQuery中使用data()方法读取HTML5自定义属性data-*实例
2014/04/11 Javascript
js简单工厂模式用法实例
2015/06/30 Javascript
JS实现动画兼容性的transition和transform实例分析
2016/12/13 Javascript
jQuery插件FusionCharts实现的MSBar3D图效果示例【附demo源码】
2017/03/23 jQuery
node-sass安装失败的原因与解决方法
2017/09/04 Javascript
Vue.js表单标签中的单选按钮、复选按钮和下拉列表的取值问题
2017/11/22 Javascript
解决vue路由后界面没有变化,但是链接有的问题
2018/09/01 Javascript
vue实现局部刷新的实现示例
2019/04/16 Javascript
Vue3配置axios跨域实现过程解析
2020/11/25 Vue.js
[09:13]DOTA2-DPC中国联赛 正赛 Ehome vs Magma 选手采访 1月19日
2021/03/11 DOTA
Python 调用VC++的动态链接库(DLL)
2008/09/06 Python
python对矩阵进行转置的2种处理方法
2019/07/17 Python
python Gunicorn服务器使用方法详解
2019/07/22 Python
Pytorch反向求导更新网络参数的方法
2019/08/17 Python
树莓派安装OpenCV3完整过程的实现
2019/10/10 Python
关于Flask项目无法使用公网IP访问的解决方式
2019/11/19 Python
Python urlopen()和urlretrieve()用法解析
2020/01/07 Python
python根据完整路径获得盘名/路径名/文件名/文件扩展名的方法
2020/04/22 Python
Python如何发送与接收大型数组
2020/08/07 Python
基于Python爬取素材网站音频文件
2020/10/21 Python
CSS3中的注音对齐属性ruby-align用法指南
2016/07/01 HTML / CSS
德国大型的家具商店:Pharao24.de
2016/10/02 全球购物
Python如何定义一个函数
2015/09/01 面试题
领导班子自我剖析材料
2014/08/16 职场文书
装修公司工程部经理岗位职责
2015/04/09 职场文书
离婚协议书范文2016
2016/03/18 职场文书
python函数指定默认值的实例讲解
2021/03/29 Python
go设置多个GOPATH的方式
2021/05/05 Golang
go select编译期的优化处理逻辑使用场景分析
2021/06/28 Golang
详解Vue slot插槽
2021/11/20 Vue.js