怎么在python中利用TensorFlow對圖像進行處理

怎么在python中利用TensorFlow對圖像進行處理？相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

一、圖片的放大縮小

在使用TensorFlow進行圖片的放大縮小時，有三種方式：

1、tf.image.resize_nearest_neighbor（）:臨界點插值
2、tf.image.resize_bilinear(）：雙線性插值
3、tf.image.resize_bicubic(）：雙立方插值算法

下面是示例代碼：

# encoding:utf-8
# 使用TensorFlow進行圖片的放縮
import tensorflow as tf
import cv2
import numpy as np

# 讀取圖片
img = cv2.imread("1.jpg")
# 顯示原始圖片
cv2.imshow("resource", img)

h, w, depth = img.shape
img = np.expand_dims(img, 0)

# 臨界點插值
nn_image = tf.image.resize_nearest_neighbor(img, size=[h+100, w+100])
nn_image = tf.squeeze(nn_image)
with tf.Session() as sess:
  # 運行 'init' op
  nn_image = sess.run(nn_image)
nn_image = np.uint8(nn_image)

# 雙線性插值
bi_image = tf.image.resize_bilinear(img, size=[h+100, w+100])
bi_image = tf.squeeze(bi_image)
with tf.Session() as sess:
  # 運行 'init' op
  bi_image = sess.run(bi_image)
bi_image = np.uint8(bi_image)

# 雙立方插值算法
bic_image = tf.image.resize_bicubic(img, size=[h+100, w+100])
bic_image = tf.squeeze(bic_image)
with tf.Session() as sess:
  # 運行 'init' op
  bic_image = sess.run(bic_image)
bic_image = np.uint8(bic_image)
# 顯示結果圖片
cv2.imshow("result_nn", nn_image)
cv2.imshow("result_bi", bi_image)
cv2.imshow("result_bic", bic_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

二、圖片的亮度調整

在使用TensorFlow進行圖片的亮度調整時，有兩種方式：
1、tf.image.adjust_brightness（）：亮度的全局調整
2、tf.image.random_brightness(）：亮度的隨機調整

下面是示例代碼：

# encoding:utf-8
# 使用TensorFlow調整圖片的亮度
import tensorflow as tf
import cv2
import numpy as np

# 讀取圖片
img = cv2.imread("1.jpg")
# 顯示原始圖片
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:
  # 運行 '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:
  # 運行 '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、圖片的對比度調整

在使用TensorFlow進行圖片的對比度調整時，有兩種方式：
1、tf.image.adjust_contrast（）：對比度的全局調整
2、tf.image.random_contrast(）：對比度的隨機調整

代碼與圖片的亮度調整類似，這里就不贅述了。

四、圖片的飽和度調整

在使用TensorFlow進行圖片的飽和度調整時，使用下列函數：

tf.image.adjust_saturation（）

飽和度調整范圍為0~5

下面示例代碼：

# encoding:utf-8
# 使用TensorFlow調整圖片的亮度
import tensorflow as tf
import cv2
import numpy as np

# 讀取圖片
img = cv2.imread("1.jpg")
# 顯示原始圖片
cv2.imshow("resource", img)

# 圖像的飽和度調整
stand_img = tf.image.adjust_saturation(img, saturation_factor=2.4)
with tf.Session() as sess:
  # 運行 'init' op
  result = sess.run(stand_img)
result = np.uint8(result)

cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

五、圖片的標準化

在使用TensorFlow對圖像數據進行訓練之前，常需要執行圖像的標準化操作，它與歸一化是有區別的，歸一化不改變圖像的直方圖，標準化操作會改變圖像的直方圖。標準化操作使用如下函數：

tf.image.per_image_standardization（）

下面是示例代碼：

# encoding:utf-8
# 使用TensorFlow調整圖片的亮度
import tensorflow as tf
import cv2
import numpy as np

# 讀取圖片
img = cv2.imread("1.jpg")
# 顯示原始圖片
cv2.imshow("resource", img)

# 圖像標準化操作
stand_img = tf.image.per_image_standardization(img)
with tf.Session() as sess:
  # 運行 'init' op
  result = sess.run(stand_img)
result = np.uint8(result)

cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

六、圖像的色彩空間轉化

使用TensorFlow進行圖像的色彩空間轉化，包括HSV、RGB、灰度色彩空間之間的轉化，使用的函數如下所示：

tf.image.rgb_ to_hsv（） 
tf.image.rgb_ to_grayscale（） 
tf.image.hsv_ to_rgb（）

看完上述內容，你們掌握怎么在python中利用TensorFlow對圖像進行處理的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！