1、tensorflow中對jpeg格式圖像的編碼/解碼函數：

import matplotlib.pyplot as plt
import tensorflow as tf
image_raw_data=tf.gfile.FastGFile(‘/Users/jk/Downloads/timg.jpeg‘,‘rb‘).read()
with tf.Session() as sess:
    img_data=tf.image.decode_jpeg(image_raw_data)    #通過tf.img.decode_jpeg函數對jpeg格式的圖像進行解碼，解碼後的結果為一個張量
    print
 
(img_data.eval())      #輸出解碼後的三維矩陣
    plt.imshow(img_data.eval())
    plt.show()
    img_data=tf.image.convert_image_dtype(img_data,dtype=tf.uint8)    
    encode_image=tf.image.encode_jpeg(img_data)     #將圖像的三維矩陣重新按照jpeg格式編碼存入文件，打開該圖像可以得到和原始圖像一樣的圖像
    with tf.gfile.GFile(‘/Users/jk/Downloads/output‘,‘
 
wb‘) as f:   #將文件寫入目標路徑，生成圖像文件
        f.write(encode_image.eval())

2、圖像大小調整(和上面的類似，僅多了圖像大小調整的部分，下面的例子將類似)：

import matplotlib.pyplot as plt
import tensorflow as tf
image_raw_data=tf.gfile.FastGFile(‘/Users/jk/Downloads/timg.jpeg‘,‘rb‘).read()
with tf.Session() as sess:
    img_data=tf.image.decode_jpeg(image_raw_data)
    
 
print(img_data.eval())
    plt.imshow(img_data.eval())
    plt.show()
    img_data=tf.image.convert_image_dtype(img_data,dtype=tf.uint8)
    resized=tf.image.resize_images(img_data,size=[300,300],method=1)    #將圖像大小轉為[300,300],圖像深度在沒有明確設置前會是?,
    print(resized.get_shape())
    resized=tf.image.convert_image_dtype(resized,dtype=tf.uint8)     #數據預處理時候會把dtype轉為tf.float32，因此需要手動轉回tf.uint8
    encode_image=tf.image.encode_jpeg(resized)
    with tf.gfile.GFile(‘/Users/jk/Downloads/output‘,‘wb‘) as f:    #返回調整大小後的圖像
        f.write(encode_image.eval())      

tensorflow圖像處理函數(1)