python使用TensorFlow進(jìn)行圖像處理的方法
一、圖片的放大縮小
在使用TensorFlow進(jìn)行圖片的放大縮小時(shí)，有三種方式：
1、tf.image.resize_nearest_neighbor（）:臨界點(diǎn)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(jìn)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(diǎn)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(yùn)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(yùn)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(yùn)行 'init' op
bic_image = sess.run(bic_image)
bic_image = np.uint8(bic_image)
# 顯示結(jié)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(diào)整
在使用TensorFlow進(jìn)行圖片的亮度調(diào)整時(shí)，有兩種方式：
1、tf.image.adjust_brightness（）：亮度的全局調(diào)整
2、tf.image.random_brightness(）：亮度的隨機(jī)調(diào)整
下面是示例代碼：
# encoding:utf-8
# 使用TensorFlow調(diào)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(yùn)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(yùn)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(duì)比度調(diào)整
在使用TensorFlow進(jìn)行圖片的對(duì)比度調(diào)整時(shí)，有兩種方式：
1、tf.image.adjust_contrast（）：對(duì)比度的全局調(diào)整
2、tf.image.random_contrast(）：對(duì)比度的隨機(jī)調(diào)整
代碼與圖片的亮度調(diào)整類似，這里就不贅述了。
四、圖片的飽和度調(diào)整
在使用TensorFlow進(jìn)行圖片的飽和度調(diào)整時(shí)，使用下列函數(shù)：
tf.image.adjust_saturation（）
飽和度調(diào)整范圍為0~5
下面示例代碼：
# encoding:utf-8
# 使用TensorFlow調(diào)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(diào)整
stand_img = tf.image.adjust_saturation(img, saturation_factor=2.4)
with tf.Session() as sess:
# 運(yùn)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(biāo)準(zhǔn)化
在使用TensorFlow對(duì)圖像數(shù)據(jù)進(jìn)行訓(xùn)練之前，常需要執(zhí)行圖像的標(biāo)準(zhǔn)化操作，它與歸一化是有區(qū)別的，歸一化不改變圖像的直方圖，標(biāo)準(zhǔn)化操作會(huì)改變圖像的直方圖。標(biāo)準(zhǔn)化操作使用如下函數(shù)：
tf.image.per_image_standardization（）
下面是示例代碼：
# encoding:utf-8
# 使用TensorFlow調(diào)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(biāo)準(zhǔn)化操作
stand_img = tf.image.per_image_standardization(img)
with tf.Session() as sess:
# 運(yùn)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(zhuǎn)化
使用TensorFlow進(jìn)行圖像的色彩空間轉(zhuǎn)化，包括HSV、RGB、灰度色彩空間之間的轉(zhuǎn)化，使用的函數(shù)如下所示：
tf.image.rgb_ to_hsv（） tf.image.rgb_ to_grayscale（） tf.image.hsv_ to_rgb（）
代碼與圖像的標(biāo)準(zhǔn)化操作的代碼相似，這里不再贅述。
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
- python將處理好的圖像保存到指定目錄下的方法
- python使用pil進(jìn)行圖像處理(等比例壓縮、裁剪)實(shí)例代碼
- Python圖像處理之識(shí)別圖像中的文字(實(shí)例講解)
- python圖像處理之反色實(shí)現(xiàn)方法
- 在Python中使用PIL模塊處理圖像的教程
- Python OpenCV處理圖像之圖像像素點(diǎn)操作
- Python圖像處理實(shí)現(xiàn)兩幅圖像合成一幅圖像的方法【測(cè)試可用】
- 用python處理圖片之打開(kāi)\顯示\保存圖像的方法
- Python圖像處理庫(kù)PIL的ImageDraw模塊介紹詳解
- python圖像處理基本操作總結(jié)（PIL庫(kù)、Matplotlib及Numpy）
相關(guān)文章
本文主要介紹了Python裝飾器重載內(nèi)置的使用,詳細(xì)介紹如何創(chuàng)建裝飾器,如何使用裝飾器來(lái)重載內(nèi)置函數(shù),具有一定的參考價(jià)值,感興趣的可以了解一下2024-01-01
基于Python實(shí)現(xiàn)全自動(dòng)二維碼識(shí)別
這篇文章主要為大家詳細(xì)介紹了如何基于Python實(shí)現(xiàn)全自動(dòng)二維碼識(shí)別功能,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-11-11
django處理select下拉表單實(shí)例(從model到前端到post到form)
這篇文章主要介紹了django處理select下拉表單實(shí)例(從model到前端到post到form)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-03-03
python 實(shí)現(xiàn)圖與圖之間的間距調(diào)整subplots_adjust
這篇文章主要介紹了python 實(shí)現(xiàn)圖與圖之間的間距調(diào)整subplots_adjust，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05
Python爬取肯德基官網(wǎng)ajax的post請(qǐng)求實(shí)現(xiàn)過(guò)程
這篇文章主要介紹了Python爬取肯德基官網(wǎng)ajax的post請(qǐng)求實(shí)現(xiàn)過(guò)程，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家學(xué)有所得，多多進(jìn)步2021-10-10
Python反向傳播實(shí)現(xiàn)線性回歸步驟詳細(xì)講解
回歸是監(jiān)督學(xué)習(xí)的一個(gè)重要問(wèn)題，回歸用于預(yù)測(cè)輸入變量和輸出變量之間的關(guān)系，特別是當(dāng)輸入變量的值發(fā)生變化時(shí)，輸出變量的值也隨之發(fā)生變化。回歸模型正是表示從輸入變量到輸出變量之間映射的函數(shù)2022-10-10
這篇文章主要為大家詳細(xì)介紹了Python Pandas實(shí)現(xiàn)讀寫txt和csv文件查找的方法，文中的示例代碼積極性，感興趣的小伙伴可以跟隨小編一起了解一下2022-09-09
Python?Pandas中DataFrame.drop_duplicates()刪除重復(fù)值詳解
在實(shí)際處理數(shù)據(jù)中,數(shù)據(jù)預(yù)處理操作中,常常需要去除掉重復(fù)的數(shù)據(jù),這篇文章主要給大家介紹了關(guān)于Python?Pandas中DataFrame.drop_duplicates()刪除重復(fù)值的相關(guān)資料,需要的朋友可以參考下2022-07-07
使用mypy對(duì)python程序進(jìn)行靜態(tài)檢查
大家好，本篇文章主要講的是使用mypy對(duì)python程序進(jìn)行靜態(tài)檢查，感興趣的同學(xué)快來(lái)看一看吧，對(duì)你有幫助的話記得收藏一下哦2021-11-11
這篇文章主要介紹了用python發(fā)送微信消息的方法，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2020-12-12