TensorFlow学习笔记之图像大小调整（最全可运行的代码）

一、图像编码处理

在之前的章节中提到一张$RGB$色彩模式的图像可以看成一个三维矩阵，矩阵中的每一个数表示了图像上不同位置，不同颜色的亮度。然而图像在存储时并不是直接记录这些矩阵中的数字，而是记录经过压缩编码之后的结果。所以要将一张图像还原成一个三维矩阵，需要解码的过程。$TensorFIow$提供了对$jpeg$和$png$格式图像的编码／解码函数。以下代码示范了如何使用$TensorFlow$中对$jpeg$格式图像的编码/解码函数。

import tensorflow as tf
import matplotlib.pyplot as plt

# 读取图像的原始数据
image_raw_data = tf.gfile.FastGFile("./picture/2.jpeg", 'rb').read()

with tf.Session() as sess:
    # 将图像使用jpeg的格式解码从而得到图相对应的三维矩阵。
    # TensorFlow还提供了tf.image.decode_png函数对png格式的图像进行解码。
    # 解码之后的结果为一个张量，在使用它的取值之前需要明确调用运行的过程。
    img_data = tf.image.decode_jpeg(image_raw_data)

    # 使用pyplot工具可视化得到的图像。
    plt.imshow(img_data.eval())
    plt.show()

    # 将数据的类型转换成实数。
    img_data = tf.image.convert_image_dtype(img_data, dtype=tf.float32)

    # 将表示一张图像的三维矩阵重新按照jpeg格式编码并存入文件中。
    # 打开这张图像，可以得到和原始图像一样的图像。
    encode_image = tf.image.encode_jpeg(img_data)
    with tf.gfile.GFile("/path/to/output", "wb") as f:
        f.write(encode_image.eval())

二、图像大小调整

一般来说，网络上获取的图像大小是不固定的，但神经网络输入节点的个数是固定的。所以在将图像的像素作为输入提供给神经网络之前，需要先将图像的大小统一。这就是图像大小调整需要完成的任务。图像大小调整有两种方式，第一种是通过算法使得新的图像尽量保存原始图像上的所有信息。$TensorFlow$提供了匹种不同的方法，并且将它们封装到
了tf.image.resize_images函数。以下代码示范了如何使用这个函数。

import tensorflow as tf
import matplotlib.pyplot as plt

# 读取图像的原始数据
image_raw_data = tf.gfile.FastGFile("./picture/2.jpeg", 'rb').read()

with tf.Session() as sess:
    # 将图像使用jpeg的格式解码从而得到图相对应的三维矩阵。
    # TensorFlow还提供了tf.image.decode_png函数对png格式的图像进行解码。
    # 解码之后的结果为一个张量，在使用它的取值之前需要明确调用运行的过程。
    img_data = tf.image.decode_jpeg(image_raw_data)

    # 将数据的类型转换成实数。
    img_data = tf.image.convert_image_dtype(img_data, dtype=tf.float32)

    # 通过tf.image.resize_images函数调整图像的大小。这个函数第一个参数为原始图像，
    # 第二个为调整后图像的大小，method参数给出了调整图像大小的算法。
    resized = tf.image.resize_images(img_data, [400, 400], method=0)

    # 输出调整后的图像的大小，此处的结果为（?，?，?）。表示图像的的大小是400x400，
    # 但图像的深度在没有明确设置之前会是问号。
    print(img_data.get_shape())

    # 使用pyplot工具可视化得到的图像。
    plt.imshow(resized.eval())
    plt.show()

> (?, ?, ?)

这里tf.image.resize_images函数中的method参数取值与相对应的图像大小调整算法。

method取值	图像大小调整算法
0	双线性插值法(Bilinearinterpolation)
1	最近邻居法(Nearestneighborinterpolation)
2	双三次插值法(Bicubicinterpolation)
3	面积插值法（Areainterpolation)

双线性插值法：

最近邻居法：

双三次插值法：

运行该方法时会报错，需要调整代码。

报的错误：

ValueError: Floating point image RGB values must be in the 0..1 range.

更改后的代码：

with tf.Session() as sess:
。。。
。。。
	# 输出调整后的图像的大小，此处的结果为（?，?，?）。表示图像的的大小是300x300，
    # 但图像的深度在没有明确设置之前会是问号。
    print(img_data.get_shape())
    
    after_img = tf.clip_by_value(resized, 0.0, 1.0)

    # 使用pyplot工具可视化得到的图像。
    plt.imshow(after_img.eval())
    # plt.imshow(resized.eval())
    plt.show()

面积差值法：

从上面的图中可以看出，不同算法去调整出来的结果会有细微差别，但不会相差太远。除了将整张图像信息完整保存，$TensorFlow$还提供了$API$对图像进行裁剪或者填充。以下代码展示了通过tf.image.resize-mage-with-crop-or_pad函数来调整图像大小的功能。

import tensorflow as tf
import matplotlib.pyplot as plt

# 读取图像的原始数据
image_raw_data = tf.gfile.FastGFile("./picture/2.jpeg", 'rb').read()

with tf.Session() as sess:
    # 将图像使用jpeg的格式解码从而得到图相对应的三维矩阵。
    # TensorFlow还提供了tf.image.decode_png函数对png格式的图像进行解码。
    # 解码之后的结果为一个张量，在使用它的取值之前需要明确调用运行的过程。
    img_data = tf.image.decode_jpeg(image_raw_data)

    # 将数据的类型转换成实数。
    img_data = tf.image.convert_image_dtype(img_data, dtype=tf.float32)

    # 使用pyplot工具可视化得到的图像。
    plt.imshow(img_data.eval())
    plt.show()

    # 通过tf.image.resize_image_with_crop_or_pad函数调整图像的大小。
    # 这个函数的第一个参数为原始图像，后面两个参数是调整后的目标图像大小。
    # 如果原始图像的尺寸大于目标图像，那么这个函数会自动截取原始图像中居中的部分。
    # 如果目标图像大于原始图像，这个函数会自动在原始图像的四周填充全0背景。
    croped = tf.image.resize_image_with_crop_or_pad(img_data, 500, 500)
    padded = tf.image.resize_image_with_crop_or_pad(img_data, 2000, 2000)

    # 使用pyplot工具可视化得到的图像。
    plt.imshow(croped.eval())
    plt.show()
    plt.imshow(padded.eval())
    plt.show()

原始图像：

croped——500x500图像：

padded——2000x2000图像：

如果想要更多的资源，欢迎关注 @我是管小亮，文字强迫症MAX~

回复【福利】即可获取我为你准备的大礼，包括C++，编程四大件，NLP，深度学习等等的资料。

想看更多文（段）章（子），欢迎关注微信公众号「程序员管小亮」~