python使用TensorFlow进行图像处理的方法


            一、图片的放大缩小

在使用TensorFlow进行图片的放大缩小时，有三种方式： 



1、tf.image.resize_nearest_neighbor（）:临界点插值 

2、tf.image.resize_bilinear(）：双线性插值 

3、tf.image.resize_bicubic(）：双立方插值算法

下面是示例代码：





# encoding:utf-8

# 使用TensorFlow进行图片的放缩

import tensorflow as tf

import cv2

import numpy as np



# 读取图片

img = cv2.imread("1.jpg")

# 显示原始图片

cv2.imshow("resource", img)



h, w, depth = img.shape

img = np.expand_dims(img, 0)



# 临界点插值

nn_image = tf.image.resize_nearest_neighbor(img, size=[h+100, w+100])

nn_image = tf.squeeze(nn_image)

with tf.Session() as sess:

  # 运行 'init' op

  nn_image = sess.run(nn_image)

nn_image = np.uint8(nn_image)



# 双线性插值

bi_image = tf.image.resize_bilinear(img, size=[h+100, w+100])

bi_image = tf.squeeze(bi_image)

with tf.Session() as sess:

  # 运行 'init' op

  bi_image = sess.run(bi_image)

bi_image = np.uint8(bi_image)



# 双立方插值算法

bic_image = tf.image.resize_bicubic(img, size=[h+100, w+100])

bic_image = tf.squeeze(bic_image)

with tf.Session() as sess:

  # 运行 'init' op

  bic_image = sess.run(bic_image)

bic_image = np.uint8(bic_image)

# 显示结果图片

cv2.imshow("result_nn", nn_image)

cv2.imshow("result_bi", bi_image)

cv2.imshow("result_bic", bic_image)

cv2.waitKey(0)

cv2.destroyAllWindows()



二、图片的亮度调整

在使用TensorFlow进行图片的亮度调整时，有两种方式： 

1、tf.image.adjust_brightness（）：亮度的全局调整 

2、tf.image.random_brightness(）：亮度的随机调整

下面是示例代码：





# encoding:utf-8

# 使用TensorFlow调整图片的亮度

import tensorflow as tf

import cv2

import numpy as np



# 读取图片

img = cv2.imread("1.jpg")

# 显示原始图片

cv2.imshow("resource", img)



img = np.expand_dims(img, 0)

# adjust_brightness

bright_img = tf.image.adjust_brightness(img, delta=.5)

bright_img = tf.squeeze(bright_img)

with tf.Session() as sess:

  # 运行 'init' op

  result = sess.run(bright_img)

result = np.uint8(result)



rand_image = tf.image.random_brightness(img, max_delta=.5)

rand_image = tf.squeeze(rand_image)

with tf.Session() as sess:

  # 运行 'init' op

  result2 = sess.run(rand_image)

result2 = np.uint8(result2)



cv2.imshow("result", result)

cv2.imshow("result2", result2)

cv2.waitKey(0)

cv2.destroyAllWindows()



三、图片的对比度调整

在使用TensorFlow进行图片的对比度调整时，有两种方式： 

1、tf.image.adjust_contrast（）：对比度的全局调整 

2、tf.image.random_contrast(）：对比度的随机调整

代码与图片的亮度调整类似，这里就不赘述了。

四、图片的饱和度调整

在使用TensorFlow进行图片的饱和度调整时，使用下列函数： 







tf.image.adjust_saturation（） 



饱和度调整范围为0~5 



下面示例代码：





# encoding:utf-8

# 使用TensorFlow调整图片的亮度

import tensorflow as tf

import cv2

import numpy as np



# 读取图片

img = cv2.imread("1.jpg")

# 显示原始图片

cv2.imshow("resource", img)



# 图像的饱和度调整

stand_img = tf.image.adjust_saturation(img, saturation_factor=2.4)

with tf.Session() as sess:

  # 运行 'init' op

  result = sess.run(stand_img)

result = np.uint8(result)



cv2.imshow("result", result)

cv2.waitKey(0)

cv2.destroyAllWindows()



五、图片的标准化

在使用TensorFlow对图像数据进行训练之前，常需要执行图像的标准化操作，它与归一化是有区别的，归一化不改变图像的直方图，标准化操作会改变图像的直方图。标准化操作使用如下函数： 







tf.image.per_image_standardization（） 



下面是示例代码：





# encoding:utf-8

# 使用TensorFlow调整图片的亮度

import tensorflow as tf

import cv2

import numpy as np



# 读取图片

img = cv2.imread("1.jpg")

# 显示原始图片

cv2.imshow("resource", img)



# 图像标准化操作

stand_img = tf.image.per_image_standardization(img)

with tf.Session() as sess:

  # 运行 'init' op

  result = sess.run(stand_img)

result = np.uint8(result)



cv2.imshow("result", result)

cv2.waitKey(0)

cv2.destroyAllWindows()





六、图像的色彩空间转化

使用TensorFlow进行图像的色彩空间转化，包括HSV、RGB、灰度色彩空间之间的转化，使用的函数如下所示： 







tf.image.rgb_ to_hsv（） 

tf.image.rgb_ to_grayscale（） 

tf.image.hsv_ to_rgb（） 



代码与图像的标准化操作的代码相似，这里不再赘述。



以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持中文源码网。