Tensorflow图像预处理(2)大小调整

Tensorflow基础:图像预处理 通过对图像的预处理,可以尽量避免模型受到无关因素的影响。在大部分图像识别问题中,通过图像预处理过程可以提高模型的准确率。Tensorflow提供了几类图像处理函数 阅读详情

简单的图像预处理,包含对图像的反转和裁剪等基本操作,代码中有详细注释


#图像大小调整

import matplotlib.pyplot as plt

image_raw_data=tf.gfile.FastGFile("pic/ma.jpg","rb").read()          #读图    图片不是utf8编码的话,就需要改成rb而不是r

with tf.Session() as sess:
    img_data=tf.image.decode_jpeg(image_raw_data)                   #解码
    img_data=tf.image.convert_image_dtype(img_data,dtype=tf.float32)
    #在调整图片大小前,需要先对图片的数据类型进行转换
    # method:0双线性插值,1最近邻 2双三次插值 3面积插值
    resized=tf.image.resize_images(img_data,[300,300],method=0)             #更改大小。会强制将图片压缩成要求的比例
    croped=tf.image.resize_image_with_crop_or_pad(img_data,200,200)         #进行居中裁剪
    padded=tf.image.resize_image_with_crop_or_pad(img_data,600,600)         #对周围的像素进行全0填充
    central_cropped=tf.image.central_crop(img_data,0.5)                     #按照比例裁剪图像,后面的数字在0-1之间,是裁剪的比例

    flipped=tf.image.flip_up_down(img_data)                                 #上下反转
    flipped_left=tf.image.flip_left_right(img_data)                         #左右反转
    transposed=tf.image.transpose_image(img_data)                           #沿对角线反转
    #以50%概率上下反转图像
    flipped_up_maybe=tf.image.random_flip_up_down(img_data)
    #以50%概率左右反转图像
    flipped_left_maybe=tf.image.random_flip_left_right(img_data)

    fig=plt.figure()
    ax1=fig.add_subplot(3,1,1)
    ax2=fig.add_subplot(3,1,2)
    ax3=fig.add_subplot(3,1,3)
    ax1.imshow(flipped_up_maybe.eval())
    ax2.imshow(flipped_left_maybe.eval())
    ax3.imshow(transposed.eval())
    plt.show()

Tensorflow图像预处理之图像编码,解码,resize,crop,pad tensorflow.image常见API 图像预处理之图像编码,解码,resize图像大小,crop 和pad 目录 image_raw_data = tf.gfile.FastGFile(image_path,‘rb’).read() #获得原始数据 img_data = tf.image.decode_jpeg(image_raw_data)#解码 encoded_image = tf.... 阅读详情

相关推荐

wgan:Wasserstein GAN的Tensorflow实现(以及wgan_v2中的改进版本)

瓦瑟斯坦·甘 Wasserstein GAN的Tensorflow实现。 两个版本: wgan.py:原始的裁剪方法。 wgan_v2.py:梯度惩罚方法。 (改进了Wasserstein GAN的训练)。 如何运行(示例): python wgan_v2.py --data mnist --model mlp --gpus 0

tensorflow图像处理(总结)

tensorflow图像处理 1、图像编解码 2、图像翻转 3、图像旋转(待补充) 4、图像色彩调整 5、图像标准化处理 6、图像调整大小 7、图像添加标注框

weixin_44816589的博客 736

python3读取图片并灰度化图片的四种方法(OpenCV、PIL.Image、TensorFlow方法)总结

在处理图像的时候经常是读取图片以后把图片转换为灰度图。作为一个刚入坑的小白,我在这篇博客记录了四种处理的方法。 首先导入包: import numpy as np import cv2 import tensorflow as tf from PIL import Image 方法一:在使用OpenCV读取图片的同时将图片转换为灰度图: img = cv2.imread(imgfile, cv2.IMREAD_GRAYSCALE) print(cv2.imread(imgfile, cv2.IMREAD_GRAYSCALE)结果如下:) print('大小:{}'.forma

【tensorflow】图像处理—— 数据增强

1-1 读取图像函数 tf.gfile.FastGFile("D:\\1.jpg", 'rb').read() 1-2 解码函数 tf.image.decode_jpeg(img) tf.image.decode_jepg 和 tf.image.decode_png函数分别用于解码jpg格式和png格式的图像。之后,可以显示图像。 如果没有解码,读取的图像是一...

静谧、淡雅 2899

win10任务栏文件夹设置成竖形列表样式

win10任务栏文件夹设置成竖形列表样式

ftzchina的博客 7086

[软考]系统架构设计师 备考经验分享(一) - 备考计划篇

前言 上周末刚刚结束了软考架构师的考试,自我感觉考的还可以,大概率是过了。 两次参加软考,一次中级嵌入式,一次高级架构师,都是备考不到两个月时间,尤其是架构师这次考试内容和本职工作有不小的差别,并且需要同时备考三个科目,在高强度地备考中感觉是摸索出到了一点软考的技巧与经验。 打算趁还记得,赶紧写几篇文章做下梳理总结,算是给将来自己考系分、高项或者其他考试做个记录,也希望能够帮到正在备考的大家。 先把第一步,个人的备考计划分享给大家。 自身情况分析 首先,请大家一定先明确三个问题,这三个问题会直接影响到你的

_ 6406

tensorflow入门之---------图像大小调整

在深度学习的过程中,往往对输入图像的大小需要进行一个调整,特别是对于拥有全连接层的神经网络,因为全连接层的节点数是固定的。因此,为了满足全连接层的一个输入的要求,我们可以利用tensorflow自带的函数来进行图像大小的调整。 总体来说一共有三个函数。原始图像大小为1242*375. 一、tf.image.resize_images(image,shape,method) 一共有三个参数,第...

梦的漂流瓶的博客 7632

【Origin+Python】使用External Python批量出图代码参考2

不使用part2 的代码,自己打开一个origin2022的界面。这里主要介绍一些进阶代码以及使用盗版origin要如何。3 批量绘制相同设置的曲线图。然后就是没有水印的图片了。

zeng001201的博客 1909

resize 改变容器大小

resize 可以用来增大或缩小容器的大小,如果当前容器大小大于所要求的大小(所要求的大小:reszie 的大小),容器后面的元素会被删除,如果当前容器大小小于新的大小,会将新元素添加到容器后面。 vector<int> vec(10, 100); //10个100 vec.resize(15); //后面的5个为0 /*for (int i : vec) { cout << i << " "; }*/ cou...

青海蓝田的博客 1841

Rsoft仿真实战:长周期光纤光栅参数优化与模式耦合分析

本文详细介绍了使用Rsoft软件进行长周期光纤光栅(LPFG)参数优化与模式耦合分析的实战方法。通过Rsoft仿真,可以高效优化光栅周期、包层厚度等关键参数,深入分析纤芯模与包层模的耦合特性,为光纤通信和传感应用提供可靠的设计依据。

h0i1j2k3l的博客 1115

Windows2008使用-解决漏洞-CVE-2010-2730

随着硬件的升级,操作系统也逐渐进行了版本更新。目前阶段,Windows2016Server、Windows2022Server逐渐成为了以Windows系列的服务器平台系统。对于有些应用而言,由于其业务的固定,可能仍只能运行在Windows2008Server或者Windows2012Server上。有时候我们为安全需要,需要将相关的操作系统涉及的漏洞做修复。最近碰到在一个Windows2008R2 的操作系统漏洞CVE-2010-2730,一顿操作,终于找到了合适的方案,这里分享给大家。

mystonelxj的博客 2317

TensorFlow实战之数字图像处理基础

数字图像处理1. 数字图像基础图像种类图像格式色彩模型图像类型Pillow图像处理库基本操作 1. 数字图像基础 人眼直接感受到的图像是连续的模拟图像,为了计算机对图像进行加工,需要把连续的图像数字化、离散化,加工后的图像就是数字图像。 属性 说明 像素 图像中最小的单位 位图 通过记录每一个像素值来存储和表达的图像 色彩深度(位深度) 位图中每个像素点要用多少个二进制位来表示 BMP格式 Windows系统标准位图格式 图像种类 二值图像(Binary Image):每个

qinzhongyuan的博客 570

Prompt提示优化工具

在大模型使用过程中,Prompt尤为重要。一个好的Prompt可以解决很多的问题。那么如何撰写一个完美的Prompt?下面汇总了一些Prompt工具,可以辅助日常Prompt的编写。

HJ_blog 3110

从零搭建人脸识别系统(4)Tensorflow 图像处理(适用最新Tensorflow2.0以上版本)

上篇我们介绍了Tensorflow基础,https://blog.youkuaiyun.com/hao5119266/article/details/103807606 本篇距离上篇跨度较大,需要更深入的学习。期间自己学习了不少时间,包括但不限于:Numpy和Theano两个Python常用库,机器学习常用模型 值得注意的是,自Tensorflow2.0发布以来,许多教材旧代码需要更新或者被弃用,关于Te...

糯米 1423

双目相机标定理论与编程实现

双目相机标定是计算机视觉中的重要任务,通过确定双目相机的内参和外参,可以实现立体视觉的深度感知和三维重建。通过使用OpenCV库提供的函数,我们可以方便地进行双目相机的标定工作。双目相机标定是计算机视觉中的重要任务,用于确定双目相机的内参和外参,以实现立体视觉的深度感知和三维重建。通过上述代码,我们可以获得左右相机的内参矩阵、畸变系数、旋转矩阵和平移矩阵等参数,从而完成双目相机的标定过程。使用双目相机采集一系列左右相机的图像,确保标定板在不同位置和角度下都能被双目相机拍摄到。函数来检测标定板的角点。

ByteKnight的博客 325

SAP 批次管理

批次管理: 业务场景: 批次常用于:采购、生产、SD等: 1、先进先出,先入库的先出库(如何实现),基于入库时间来自动确定出库策略。 2、追塑:基于批次进行产品质量追溯 例如订单MTO ---> PP ----> MM(批次关联)。SO—>PP工单 --> 预留 --> 发料(基于批次A\B\C)-->产成品入库-->批次入库D--> ...

willieyuan的博客 1万+

使用TensorFlow和Keras创建猫狗图片深度学习分类器

本文将带你了解如何使用使用TensorFlow和Keras创建猫狗图片深度学习分类器。

weixin_39915649的博客 380

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

tf的io

import tensorflow as tf img_path = "./data/cifar2/train/airplane/0.jpg" size = (32, 32) img1 = tf.io.read_file(img_path) print(type(img1), img1.shape) img2 = tf.image.decode_jpeg(img1) # 注意此处为jpeg格式 print(type(img2), img2.shape) img3 = tf.image.res...

a857553315的博客 275

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

提升subpixel模型性能的10个技巧:超分辨率训练参数调优指南

subpixel是一个基于Tensorflow的超分辨率子像素卷积网络项目,能够将低分辨率图像转换为高分辨率图像。本文将分享10个实用技巧,帮助你优化subpixel模型的训练参数,提升超分辨率效果。 ## 1. 选择合适的批处理大小(batch_size) 批处理大小是影响模型训练效率和稳定性的关键参数。在[model.py](https://link.gitcode.com/i/62339

gitblog_00796的博客 844

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

TensorFlow图像数据处理之图像预处理,如何对图像进行预处理?

TensorFlow图像数据处理之图像预处理 文章目录TensorFlow图像数据处理之图像预处理TFRecord输入数据格式为什么要把数据转化为TFRecord格式TFRecord样例程序图像数据处理TensorFlow图像处理函数输出原始矩阵和原始图像对图像进行大小调整对图像进行按百分比的剪裁对图片的亮度进行处理对图像添加标记框总结 TFRecord输入数据格式 为什么要把数据转化为TFRec...

JMU_Ma的博客 4162

基于TensorFlow的图像大小调整

import tensorflow as tf def TF_image_Resize(path_to_images, method = 0, height =224, width =224): """ using tensorflow to preprocess image data params: method 0: Bilinear interpolation ...

Bill_zhang5的博客 985

基于tensorflow的图像处理(二) tf.image的使用方法

目录 一、函数列表 二、tensorflow图像处理函数 1、图像编码处理 2、图像大小调整 3、图像翻转 4、图像色彩调整 5、处理框标准 三、图像预处理完整样例 四、重要的API 1、tf.image.resize_bilinear 2、tf.image.non_max_suppression 3、tf.image.crop_and_resize 4、tf.image...

weixin_36670529的博客 8659

TensorFlow 图像预处理: 图像编解码,图像尺寸调整

TensorFlow提供了几类图像处理函数,下面介绍图像的编码与解码,图像尺寸调整。 编码与解码 图像解码与编码:一张RGB三通道的彩色图像可以看成一个三维矩阵,矩阵中的不位置上的数字代表图像的像素值。然后图像在存储时并不是直接记录这些矩阵中的数字,而是经过了压缩编码。所以将一张图像还原成一个三维矩阵的过程就是解码的过程,反之就是编码了。其实如果大家熟悉opencv的话,imread和imwr...

自在独行的博客 1352

TensorFlow图像数据预处理

写在前面在之前介绍的栗子中都是直接使用图像原始的像素矩阵。但是如果在输入前通过对图像的预处理,可以尽量避免模型收到无关因素的影响。在大部分图像识别问题中,通过图像预处理过程可以提高模型的准确率。1. 图像编码处理我们平常提到的RGB图像可以看成一个三维矩阵,矩阵中的每个元素表示了图像上不同位置,不同颜色的亮度。但是图像在存储时并不是直接记录这些矩阵中的数字,而是记录经过压缩编码之后的结果。所以在使...

Kaiyuan_sjtu的博客 3514

TensorFlow图像预处理完整样例

参考书 《TensorFlow:实战Google深度学习框架》(第2版) 以下TensorFlow程序完成了从图像片段截取,到图像大小调整再到图像翻转及色彩调整的整个图像预处理过程。 #!/usr/bin/env python # -*- coding: UTF-8 -*- # coding=utf-8 """ @author: Li Tian @contac...

weixin_30648963的博客 268

【TensorFlow】图片预处理函数

`tf.gfile.FastGFile()` 读取图像 `tf.image.resize_images()`图像大小调整 `tf.image.resize_image_with_crop_or_pad()`图像裁剪或填充 `tf.image.central_crop()`按比例调整图像 `flipped = tf.image.flip_up_down(img_data)`:图像上下翻转 `flipped = tf.image.flip_left_right(img_data) `:图像左右翻转

See_Star的博客 967
上一篇: Tensorflow图像预处理(1)解码和编码
下一篇: Tensorflow图像预处理(3)色彩调整
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值