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 importtensorflowastf importcv2 importnumpyasnp #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) withtf.Session()assess: #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) withtf.Session()assess: #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) withtf.Session()assess: #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 importtensorflowastf importcv2 importnumpyasnp #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) withtf.Session()assess: #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) withtf.Session()assess: #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 importtensorflowastf importcv2 importnumpyasnp #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) withtf.Session()assess: #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 importtensorflowastf importcv2 importnumpyasnp #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) withtf.Session()assess: #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毛票票。