Tensorflow图像调整大小

一般来说，网络上获取的图像大小不固定，但神经网络输入节点的个数是固定的，所以在将图像的像素作为输入提供给神经网络之前，需要先将图像的大小统一。

import matplotlib.pyplot as plt
import tensorflow as tf

#读入图像的原始数据
image_raw_data = tf.gfile.FastGFile("F:/input.jpeg", 'rb').read()

with tf.Session() as sess:
    #将图像使用jpeg的格式解码从而得到图像对应的三维矩阵，解码之后的结果为一个张量
    img_data = tf.image.decode_jpeg(image_raw_data)
    #输出解码之后的三维矩阵
    #print (img_data.eval())
    #使用pyplot工具可视化得到的图像
    plt.imshow(img_data.eval())
    plt.show()
    #调整图像大小
    resized = tf.image.resize_images(img_data,[300, 300], method=0)
    #print (resized.eval())
    #image.encode_png函数接受的数据类型为uint8，因此需要转换数据类型
    retype = tf.cast(resized, tf.uint8)
    #打印调整格式后的图像，直接绘制转换数据类型前的数据即float数据会报错
    plt.imshow(retype.eval())
    plt.show()
    #重新编码图像
    encoder_image = tf.image.encode_png(retype)
    with tf.gfile.GFile("F:/output.png", 'wb') as f:
        f.write(encoder_image.eval()) 

如下为在Jupyter中编码的记录：