快捷導(dǎo)航

使用TensorFlow對(duì)圖像進(jìn)行隨機(jī)旋轉(zhuǎn)的實(shí)現(xiàn)示例

更新時(shí)間：2020年01月20日 11:45:35 作者：LiangJun.py

這篇文章主要介紹了使用TensorFlow對(duì)圖像進(jìn)行隨機(jī)旋轉(zhuǎn)的實(shí)現(xiàn)示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

在使用深度學(xué)習(xí)對(duì)圖像進(jìn)行訓(xùn)練時(shí)，對(duì)圖像進(jìn)行隨機(jī)旋轉(zhuǎn)有助于提升模型泛化能力。然而之前在做旋轉(zhuǎn)等預(yù)處理工作時(shí)，都是先對(duì)圖像進(jìn)行旋轉(zhuǎn)后保存到本地，然后再輸入模型進(jìn)行訓(xùn)練，這樣的過(guò)程會(huì)增加工作量，如果圖片數(shù)量較多，生成旋轉(zhuǎn)的圖像會(huì)占用更多的空間。直接在訓(xùn)練過(guò)程中便對(duì)圖像進(jìn)行隨機(jī)旋轉(zhuǎn)，可有效提升工作效率節(jié)省硬盤空間。

使用TensorFlow對(duì)圖像進(jìn)行隨機(jī)旋轉(zhuǎn)如下：

TensorFlow版本為1.13.1

#-*- coding:utf-8 -*-
'''
  使用TensorFlow進(jìn)行圖像的隨機(jī)旋轉(zhuǎn)示例
'''
 
import tensorflow as tf
import numpy as np
import cv2
import matplotlib.pyplot as plt
 
 
img = cv2.imread('tf.jpg')
img = cv2.resize(img,(220,220))
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
 
def tf_rotate(input_image, min_angle = -np.pi/2, max_angle = np.pi/2):
  '''
  TensorFlow對(duì)圖像進(jìn)行隨機(jī)旋轉(zhuǎn)
  :param input_image: 圖像輸入
  :param min_angle: 最小旋轉(zhuǎn)角度
  :param max_angle: 最大旋轉(zhuǎn)角度
  :return: 旋轉(zhuǎn)后的圖像
  '''
  distorted_image = tf.expand_dims(input_image, 0)
  random_angles = tf.random.uniform(shape=(tf.shape(distorted_image)[0],), minval = min_angle , maxval = max_angle)
  distorted_image = tf.contrib.image.transform(
    distorted_image,
    tf.contrib.image.angles_to_projective_transforms(
      random_angles, tf.cast(tf.shape(distorted_image)[1], tf.float32), tf.cast(tf.shape(distorted_image)[2], tf.float32)
    ))
  rotate_image = tf.squeeze(distorted_image, [0])
  return rotate_image
 
global_init = tf.global_variables_initializer()
with tf.Session() as sess:
  init = tf.initialize_local_variables()
  sess.run([init, global_init])
  coord = tf.train.Coordinator()
  threads = tf.train.start_queue_runners(coord=coord)
  image = tf.placeholder(shape=(220, 220, 3), dtype=tf.float32)
 
  rotate_image = tf_rotate(image, -np.pi/2, np.pi/2)
  output = sess.run(rotate_image, feed_dict={image:img})
  # print('output:',output)
  plt.imshow(output.astype('uint8'))
  plt.title('rotate image')
  plt.show()

結(jié)果如下：

原圖：