部分代码单独测试：
这里实践了图像大小调整的代码，值得注意的是格式问题：
- 输入输出图像时一定要使用uint8编码，
- 但是数据处理过程中TF会自动把编码方式调整为float32,所以输入时没问题，输出时要手动转换回来！使用numpy.asarray(dtype)或者tf.image.convert_image_dtype(dtype)都行
都行 1 import numpy as np
2 import tensorflow as tf
3 import matplotlib.pyplot as plt
4
5 # 使用‘r‘会出错，无法解码，只能以2进制形式读取
6 # img_raw = tf.gfile.FastGFile(‘./123.png‘,‘rb‘).read()
7 img_raw = open(‘./123.png‘,‘rb‘).read()
8
9 # 把二进制文件解码为uint8
10 img_0 = tf.image.decode_png(img_raw)
11 # 不太必要了，可以用np直接转换了
12 # img_1 = tf.image.convert_image_dtype(img_0,dtype=tf.uint8)
13
14 sess = tf.Session()
15 print(sess.run(img_0).shape)
16 # plt.imshow(sess.run(img_0))
17 # plt.show()
18
19 def show_pho(img,sess=sess):
20 ‘‘‘
21 TF处理过的图片自动转换了类型，需要调整回uint8才能正常显示
22 :param sess:
23 :param img:
24 :return:
25 ‘‘‘
26 cat = np.asarray(sess.run(img),dtype=‘uint8‘)
27 print(cat.shape)
28 plt.imshow(cat)
29 plt.show()
30
31
32 ‘‘‘调整图像大小‘‘‘
33 # 插值尽量保存原图信息
34 img_1 = tf.image.resize_images(img_0,[500,500],method=3)
35 # show_pho(img_1)
36
37 # 裁剪或填充
38 # 自动中央截取
39 img_2 = tf.image.resize_image_with_crop_or_pad(img_0,500,500)
40 # show_pho(img_2)
41 # 自动四周填充[0,0,0]
42 img_3 = tf.image.resize_image_with_crop_or_pad(img_0,2500,2500)
43 # show_pho(sess,img_3)
44
45 # 比例中央裁剪
46 img_4 = tf.image.central_crop(img_0,0.5)
47 # show_pho(img_4)
48
49 # 画框裁剪
50 # {起点高度，起点宽度，框高，框宽}
51 img_5 = tf.image.crop_to_bounding_box(img_0,700,300,500,500)
52 show_pho(img_5)
完整的图像预处理函数：
处理单张图片
1 import tensorflow as tf
2 import numpy as np
3 # import matplotlib.pyplot as plt
4
5 def distort_color(image, color_ordering=0):
6 ‘‘‘
7 随机调整图片的色彩，定义两种处理顺序。
8 注意，对3通道图像正常，4通道图像会出错，自行先reshape之
9 :param image:
10 :param color_ordering:
11 :return:
12 ‘‘‘
13 if color_ordering == 0:
14 image = tf.image.random_brightness(image, max_delta=32./255.)
15 image = tf.image.random_saturation(image, lower=0.5, upper=1.5)
16 image = tf.image.random_hue(image, max_delta=0.2)
17 image = tf.image.random_contrast(image, lower=0.5, upper=1.5)
18 else:
19 image = tf.image.random_saturation(image, lower=0.5, upper=1.5)
20 image = tf.image.random_brightness(image, max_delta=32./255.)
21 image = tf.image.random_contrast(image, lower=0.5, upper=1.5)
22 image = tf.image.random_hue(image, max_delta=0.2)
23
24 return tf.clip_by_value(image, 0.0, 1.0)
25
26
27 def preprocess_for_train(image, height, width, bbox):
28 ‘‘‘
29 对图片进行预处理，将图片转化成神经网络的输入层数据。
30 :param image:
31 :param height:
32 :param width:
33 :param bbox:
34 :return:
35 ‘‘‘
36 # 查看是否存在标注框。
37 if image.dtype != tf.float32:
38 image = tf.image.convert_image_dtype(image, dtype=tf.float32)
39
40 # 随机的截取图片中一个块。
41 bbox_begin, bbox_size, _ = tf.image.sample_distorted_bounding_box(
42 tf.shape(image), bounding_boxes=bbox)
43 bbox_begin, bbox_size, _ = tf.image.sample_distorted_bounding_box(
44 tf.shape(image), bounding_boxes=bbox)
45 distorted_image = tf.slice(image, bbox_begin, bbox_size)
46
47 # 将随机截取的图片调整为神经网络输入层的大小。
48 distorted_image = tf.image.resize_images(distorted_image, [height, width], method=np.random.randint(4))
49 distorted_image = tf.image.random_flip_left_right(distorted_image)
50 distorted_image = distort_color(distorted_image, np.random.randint(2))
51 return distorted_image
52
53 def pre_main(img,bbox=None):
54 if bbox is None:
55 bbox = tf.constant([0.0, 0.0, 1.0, 1.0], dtype=tf.float32, shape=[1, 1, 4])
56 with tf.gfile.FastGFile(img, "rb") as f:
57 image_raw_data = f.read()
58 with tf.Session() as sess:
59 img_data = tf.image.decode_jpeg(image_raw_data)
60 for i in range(9):
61 result = preprocess_for_train(img_data, 299, 299, bbox)
62 # {wb打开文件{矩阵编码为jpeg{格式转换为uint8}}.eval()}
63 with tf.gfile.FastGFile(‘./代号{}.jpeg‘.format(i),‘wb‘) as f:
64 f.write(sess.run(tf.image.encode_jpeg(tf.image.convert_image_dtype(result,dtype=tf.uint8))))
65 # plt.imshow(result.eval())
66 # plt.axis(‘off‘)
67 # plt.savefig(‘代号{}‘.format(i))
68
69
70 if __name__==‘__main__‘:
71 pre_main("./123123.jpeg",bbox=None)
72 exit()
时间： 2024-10-13 15:51:13