快捷導(dǎo)航

淺談tensorflow 中的圖片讀取和裁剪方式

更新時間：2020年06月30日 14:45:10 作者：Kuhner

這篇文章主要介紹了淺談tensorflow 中的圖片讀取和裁剪方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

一方式1: skimage

from skimage import data, io, transform, color 
import matplotlib.pyplot as plt 
 
# io.imread 讀出的圖片格式是uint8，value是numpy array 類型。
image = data.coffee()
image = io.imread(dir)
 
plt.imshow(image)
plt.show()
 
io.save('1.jpg',image) #保存圖像
 
image_gray = color.rgb2gray(image) #轉(zhuǎn)換為灰度圖像
io.save('2.jpg',image_gray)
 
# 通過transform.resize()裁剪后的圖片是以 float64的格式存儲的，數(shù)值的取值范圍是（0~1）
image_ = transform.resize(image,(200,200))
img = image_ * 255 #將圖片的取值范圍改成（0~255）
img = img.astype(np.uint8) 
img = image_ * 255 #將圖片的取值范圍改成（0~255）
img = img.astype(np.uint8)

二、方式2：cv2

import cv2
import matplotlib.pyplot as plt 
 
# cv2.imread讀出的圖片格式是uint8,value也是numpy array 類型。
# 圖像數(shù)據(jù)格式是以BGR的格式進(jìn)行存儲的。需要將存儲類型改成RGB 的形式才能正常顯示原圖的顏色。
image=cv2.imread(dir) 
b,g,r = cv2.split(image)  #將圖像通道分離開 
rgb_image = cv2.merge([r,g,b]) #以RGB的形式重新組合 
#image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) 也可以使用這個函數(shù)直接轉(zhuǎn)換成RGB 形式 
plt.imshow(rgb_image) 
 
# 通過cv2.resize()裁剪后的圖片還是以 numpy array 的方式保存的， 數(shù)值的取值范圍是（0~255）
image_cv2 = cv2.resize(rgb_image)
 
image=cv2.imread(dir) 
b,g,r = cv2.split(image)  #將圖像通道分離開 
rgb_image = cv2.merge([r,g,b]) #以RGB的形式重新組合 
#image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) 也可以使用這個函數(shù)直接轉(zhuǎn)換成RGB 形式 
plt.imshow(rgb_image) 

# 通過cv2.resize()裁剪后的圖片還是以 numpy array 的方式保存的， 數(shù)值的取值范圍是（0~255）
image_cv2 = cv2.resize(rgb_image)

補(bǔ)充知識：tensorflow中兩種讀圖及裁剪圖片的區(qū)別（io.imread和cv2.imread）以及（transform.resize和cv2.resize）

Tensorflow中，在訓(xùn)練圖片數(shù)據(jù)之前，需要先對圖片進(jìn)行預(yù)處理，讀圖和裁剪是最基本的兩步。常見的的讀圖何裁剪分別有兩種方式，這里小編將和大家分享下這幾種方式的實現(xiàn)以及他們之間的區(qū)別。

一、常見的兩種讀圖方式 io.imread() 和 cv2.imread()

1.io.imread 讀出的圖片格式是uint8，value是numpy array 類型。對于RGB 圖片，圖像數(shù)據(jù)是以RGB 的格式進(jìn)行存儲的。

2.cv2.imread讀出的圖片格式是uint8 ,value也是numpy array 類型。唯一的區(qū)別是，圖像數(shù)據(jù)格式是以BGR的格式進(jìn)行存儲的。需要將存儲類型改成RGB 的形式才能正常顯示原圖的顏色。特別是制作tfrecord 時，需要將圖片通道改成RGB，具體代碼如下。

import cv2
import matplotlib.pyplot as plt
from skimage import transform 
import numpy as np
import skimage.io as io 
 
train_dir = 'E:/TensorFlow/Project_TF/flower_tfrecord/data/test/roses/timg.jpg'
 
'''以cv2方式讀取圖片'''
image=cv2.imread(train_dir)
b,g,r = cv2.split(image)  #將圖像通道分離開
rgb_image = cv2.merge([r,g,b]) #以RGB的形式重新組合
 
#image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) 也可以使用這個函數(shù)直接轉(zhuǎn)換成RGB 形式
plt.imshow(rgb_image)
 
'''以io.imread方式讀取圖片'''
#image = io.imread(train_dir) #讀圖并顯示 
#plt.imshow(image)

二、常見的兩種圖片裁剪方式 cv2.resize() 和 transform.resize()

1.通過cv2.resize()裁剪后的圖片還是以 numpy array 的方式保存的，數(shù)值的取值范圍是（0~255）

2.通過transform.resize()裁剪后的圖片是以 float64的格式存儲的，數(shù)值的取值范圍是（0~1）。通常在制作tfrecord 數(shù)據(jù)集的過程中，我們需要將其轉(zhuǎn)換成numpy array的形式，具體代碼如下

'''以io.imread方式讀取圖片并使用transform形式裁剪圖片'''
image = io.imread(train_dir) #讀圖并顯示 
plt.imshow(image)
image =transform.resize(image, (208, 208))
img = image * 255 #將圖片的取值范圍改成（0~255）
img = img.astype(np.uint8) 
 
plt.imshow(img)

讀圖和裁剪圖片在制作tfrecord數(shù)據(jù)集時，是很基礎(chǔ)的步驟，在接下來，我還將進(jìn)一步更新如何制作自己的tfrecord數(shù)據(jù)集，以及tfrecord的讀取。如有謬誤，還請大家斧正。

以上這篇淺談tensorflow 中的圖片讀取和裁剪方式就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: