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 tfimport cv2import 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.shapeimg = 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 tfimport cv2import 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_brightnessbright_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 tfimport cv2import 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 tfimport cv2import 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武林网。
新闻热点
疑难解答
图片精选
