图像预处理之图像翻转、图像色彩调整、图像尺寸调整

图像翻转 

tf.image.flip_up_down:上下翻转 
tf.image.flip_left_right:左右翻转 
tf.image.transpose_image:对角线翻转 

除此之外,TensorFlow还提供了随机翻转的函数,保证了样本的样本的随机性: 
tf.image.random_flip_up_down:随机上下翻转图片 
tf.image.random_flip_left_right:随机左右翻转图片

图像色彩调整 

亮度: 
tf.image.adjust_brightness:调整图片亮度 
tf.image.random_brightness:在某范围随机调整图片亮度 
对比度: 
tf.image.adjust_contrast:调整图片对比度 
tf.image.random_contrast:在某范围随机调整图片对比度 
色相: 
tf.image.adjust_hue:调整图片色相 
tf.image.random_hue:在某范围随机调整图片色相 
饱和度: 
tf.image.adjust_saturation:调整图片饱和度 
tf.image.random_saturation:在某范围随机调整图片饱和度 
归一化: 
per_image_standardization:三维矩阵中的数字均值变为0,方差变为1。在以前的版本中,它其实叫做per_image_whitening,也就是白化操作。

import matplotlib.pyplot as plt
import tensorflow as tf

image_raw_data = tf.gfile.FastGFile('.//image//1.jpg','rb').read()

with tf.Session() as sess:
     img_data = tf.image.decode_jpeg(image_raw_data)
     plt.imshow(img_data.eval())
     plt.show()

     # 将图片的亮度-0.5。
     adjusted = tf.image.adjust_brightness(img_data, -0.5)
     plt.imshow(adjusted.eval())
     plt.show()

     # 将图片的亮度0.5
     adjusted = tf.image.adjust_brightness(img_data, 0.5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 在[-max_delta, max_delta)的范围随机调整图片的亮度。
     adjusted = tf.image.random_brightness(img_data, max_delta=0.5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 将图片的对比度-5
     adjusted = tf.image.adjust_contrast(img_data, -5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 将图片的对比度+5
     adjusted = tf.image.adjust_contrast(img_data, 5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 在[lower, upper]的范围随机调整图的对比度。
     adjusted = tf.image.random_contrast(img_data, 0.1, 0.6)
     plt.imshow(adjusted.eval())
     plt.show()

     #调整图片的色相
     adjusted = tf.image.adjust_hue(img_data, 0.1)
     plt.imshow(adjusted.eval())
     plt.show()

     # 在[-max_delta, max_delta]的范围随机调整图片的色相。max_delta的取值在[0, 0.5]之间。
     adjusted = tf.image.random_hue(img_data, 0.5)
     plt.imshow(adjusted.eval())
     plt.show()  


     # 将图片的饱和度-5。
     adjusted = tf.image.adjust_saturation(img_data, -5)
     plt.imshow(adjusted.eval())
     plt.show()  


     # 在[lower, upper]的范围随机调整图的饱和度。
     adjusted = tf.image.random_saturation(img_data, 0, 5)

     # 将代表一张图片的三维矩阵中的数字均值变为0,方差变为1。
     adjusted = tf.image.per_image_standardization(img_data)

图像尺寸调整 

图像尺寸调整属于基础的图像几何变换,TensorFlow提供了几种尺寸调整的函数: 
tf.image.resize_images:将原始图像缩放成指定的图像大小,其中的参数method(默认值为ResizeMethod.BILINEAR)提供了四种插值算法,具体解释可以参考图像几何变换(缩放、旋转)中的常用的插值算法 
tf.image.resize_image_with_crop_or_pad:剪裁或填充处理,会根据原图像的尺寸和指定的目标图像的尺寸选择剪裁还是填充,如果原图像尺寸大于目标图像尺寸,则在中心位置剪裁,反之则用黑色像素填充。 
tf.image.central_crop:比例调整,central_fraction决定了要指定的比例,取值范围为(0,1],该函数会以中心点作为基准,选择整幅图中的指定比例的图像作为新的图像。

参考:https://blog.csdn.net/chaipp0607/article/details/73089910

posted on 2018-09-07 14:38  哎呦_哎呀  阅读(2411)  评论(0编辑  收藏  举报

导航