一 方式1: skimage
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
import cv2import matplotlib.pyplot as plt # cv2.imread讀出的圖片格式是uint8,value也是numpy array 類型。# 圖像數據格式是以BGR的格式進行存儲的。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直接轉換成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直接轉換成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， 數值的取值范圍是（0~255）image_cv2 = cv2.resize(rgb_image) |
補充知識：tensorflow中兩種讀圖及裁剪圖片的區別（io.imread和cv2.imread）以及（transform.resize和cv2.resize）
Tensorflow中，在訓練圖片數據之前，需要先對圖片進行預處理，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以及他們之間的區別。
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，圖像數據是以RGB 的格式進行存儲的。
2.cv2.imread讀出的圖片格式是uint8 ,value也是numpy array 類型。唯一的區別是，圖像數據格式是以BGR的格式進行存儲的。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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import cv2import matplotlib.pyplot as pltfrom skimage import transform import numpy as npimport 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直接轉換成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，數值的取值范圍是（0~1）。通常在制作tfrecord 數據集的過程中，我們需要將其轉換成numpy array的形式，具體代碼如下
|
1
2
3
4
5
6
7
8
|
'''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數據集時，是很基礎的步驟，在接下來，我還將進一步更新如何制作自己的tfrecord數據集，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容了，希望能給大家一個參考，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/dkuhn/article/details/80719452
