python学习笔记之TF_图像预处理

tensorflow 图像预处理方式

• 除了TF常用的tf.image.XXX函数之外，还可以使用tf.py_func函数将tensor转为numpy进行扩展，以增加数据预处理的灵活性

• 常见图像数据的增强方式有：

  • 图像读取
    • img_raw_data = tf.gfile.Fastfile(“path/to/pic”,“r”).read()
    • img = tf.image.decode_jpeg(img_raw_data)
    • 获取image的尺寸：Tensors.get_shape() or tf.shape(input)
  • 图像裁剪和填充
    • 功能可参考 TensorFlow 中的如下函数:
      • tf.image.central_crop(img,0.6)#按比例中心裁剪
      • tf.image.pad_to_bounding_box
      • tf.image.crop_to_bounding_box(img,offset_h,offset_w,H,W)#给定左上角坐标裁剪
      • tf.image.resize_image_with_crop_or_pad(img,H,W)#中心位置裁剪
  • 图像缩放
    • 功能可参考 TensorFlow 中的如下函数:
      • 宽高比一致前提下tf.image.resize_images,默认的插值方法是ResizeMethod.BILINEAR
      • 若图像的宽高比不一致，则可使用tf.image.resize_image_with_pad
        • tf.image.resize_area
        • tf.image.resize_bicubic
        • tf.image.resize_bilinear
        • tf.image.resize_nearest_neighbor
  • 图像翻转
    • 功能可参考 TensorFlow 中的如下函数:
      • tf.image.flip_left_right
      • tf.image.flip_up_down
  • 图像裁剪和缩放复合变换
    • 功能可参考 TensorFlow 中的如下函数:
      • tf.image.crop_and_resize

• tensorflow代码实现示例：

  #coding=utf-8
  """
      #Clears the default graph stack and resets the global default graph.
      #tf.reset_default_graph()    
      tf.get_default_graph()#获取当前默认图
      
      with tf.gfile.GFile("path/to/save","w") as f:
          f.write(image.eval())        
      tf.write_file(name,content)
  """
  
  from __future__ import print_function
  
  import os
  import numpy as np
  import tensorflow as tf
  import cv2
  
  os.environ['CUDA_VISIBLE_DEVICES'] = '2'
  
  #使用tf.py_func()转为numpy镜像翻转填充
  def resize_112(input):
      h, w  = input.shape[:2]
      if h < 112 and w < 112:
          h_pad = (112-h)/2
          w_pad = (112-w)/2
          image_pad = np.pad(input,((h_pad,h_pad),(w_pad,w_pad),(0,0)),'reflect')
          image = cv2.resize(image_pad,(112,112))
      else:
          image = cv2.resize(input,(112,112))
      return image
      
  if __name__ == '__main__':
      
      fileName = "test.png"
      
      g1 = tf.Graph()
      with g1.as_default():
          content = tf.read_file(fileName)#读取图片
          
          #image = tf.image.decode_image(content,channels=3)
          img_src = tf.image.decode_png(content,channels=3)
          #print(img_src.dtype) #打印数据类型
          
          #数据类型转换
          img_src = tf.cast(img_src, tf.float32)
          #镜像填充
          image = tf.py_func(resize_112, [img_src], tf.float32)
          
          # define tensor shape 
          image.set_shape([112, 112, 3])
          
          #裁剪
          #img_cropped = tf.image.central_crop(img_src,0.5)#中心裁剪
          #img_cropped = tf.image.crop_to_bounding_box(img_src,3,3,80,80)#根据左上角坐标，裁剪指定大小
          #img_random_crop = tf.random_crop(img_src, [79, 79, 3])#随机裁剪固定大小
          #print(img_random_crop.get_shape())
          
          #填充
          #img_pad = tf.image.pad_to_bounding_box(img_src,10,10,100,100) #根据左上角坐标，填充图像
          
          #tf.image.resize_image_with_crop_or_pad(image, target_height, target_width)
          #img_resize = tf.image.resize_image_with_crop_or_pad(img_src,100,100)
          
          #img_brightness = tf.image.random_brightness(img_src,30.0)
          #随机调整对比度
          #img_contrast = tf.image.random_contrast(img_src,lower=0.2,upper=1.5)
          
          #img_brightness = tf.image.adjust_brightness(img_src, 50.0)
          
          #水平左右翻转
          #img_flip = tf.image.random_flip_left_right(img_src)
          #img_flip = tf.image.flip_left_right(img_src)
          
          
          with tf.Session() as sess:
              image_arr = sess.run(img_src)
              #print(np.mean(image_arr))
              #cv2.imwrite("image_arr1.png",image_arr[:,:,::-1])
              
              # img_crop = img_random_crop.eval()
              # img_crop = img_crop.astype("uint8")
              # print(img_crop.dtype)
              # cv2.imwrite("img_crop.png",img_crop)s
              
              image = image.eval()
              #print(np.mean(brightness))
              # #print(brightness.dtype)
              image.astype("uint8")
              cv2.imwrite("resize.png",image[:,:,::-1])
              
              
  

• 根据上述代码可视化预处理后的图像数据，要注意的是：tensorflow读取的通道顺序为rgb，opencv通道默认为BGR，因此，需要转化.