Tensorflow深度學習之十二：基礎圖像處理之二

首先放出原始圖像：

1、圖像的翻轉

import tensorflow as tf
import cv2

# 這裏定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數
# 請註意：
# 在tensorflow中，一個像素點的顏色順序是R，G，B。
# 在opencv中，一個像素點的顏色順序是B，G，R。
# 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。
# 第一個參數name：將要顯示的窗口名稱。
# 第二個參數image：儲存圖片信息的一個tensor。
def cv2Show(name="", image=None):
    # 獲取矩陣信息
    np = image.eval()
    # 獲取行數列數
    row, col = len(np),len(np[1])

    # 兩重循環遍歷
    for i in range(row):
        for j in range(col):
            # 交換數值
            tmp = np[i][j][0]
            np[i][j][0] = np[i][j][2]
            np[i][j][2] = tmp

    # 顯示圖片
    cv2.imshow(name,np)
    pass

# tensorflow會話
with tf.Session() as sess:
    # 以二進制的方式讀取圖片。
    image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read()

    # 按照jpeg的格式解碼圖片。
    image_data = tf.image.decode_jpeg(image_raw_data)

    # 顯示原圖片。
    cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data)

    # 上下翻轉圖像
    up_and_down = tf.image.flip_up_down(image_data)
    cv2Show("up and down",up_and_down)

    # 左右翻轉圖像
    left_and_right = tf.image.flip_left_right(image_data)
    cv2Show("left and right", left_and_right)

    # 沿對角線翻轉圖像
    transposed = tf.image.transpose_image(image_data)
    cv2Show("transposed image", transposed)

    # 以一定概率上下翻轉圖像
    random_up_and_down = tf.image.random_flip_up_down(image_data)
    cv2Show("random up and down", random_up_and_down)

    # 以一定概率左右翻轉圖像
    random_left_and_right = tf.image.random_flip_left_right(image_data)
    cv2Show("random left and right", random_left_and_right)

    cv2.waitKey()
 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60

程序運行結果如下：

註：由於個人的顯示器限制，這裏只截取了部分的對角線翻轉的圖像。

註：可以看到這裏按照一定的概率翻轉，只有上下進行了翻轉，而左右並沒有翻轉。

2、圖像的亮度調整

import tensorflow as tf
import cv2

# 這裏定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數
# 請註意：
# 在tensorflow中，一個像素點的顏色順序是R，G，B。
# 在opencv中，一個像素點的顏色順序是B，G，R。
# 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。
# 第一個參數name：將要顯示的窗口名稱。
# 第二個參數image：儲存圖片信息的一個tensor。
def cv2Show(name="", image=None):
    # 獲取矩陣信息
    np = image.eval()
    # 獲取行數列數
    row, col = len(np),len(np[1])

    # 兩重循環遍歷
    for i in range(row):
        for j in range(col):
            # 交換數值
            tmp = np[i][j][0]
            np[i][j][0] = np[i][j][2]
            np[i][j][2] = tmp

    # 顯示圖片
    cv2.imshow(name,np)
    pass

# tensorflow會話
with tf.Session() as sess:
    # 以二進制的方式讀取圖片。
    image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read()

    # 按照jpeg的格式解碼圖片。
    image_data = tf.image.decode_jpeg(image_raw_data)

    # 顯示原圖片。
    cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data)

    # 將圖片的亮度-0.5
    adjusted1 = tf.image.adjust_brightness(image_data, -0.5)
    cv2Show("brightness -0.5", adjusted1)

    # 將圖片的亮度+0.5
    adjusted2 = tf.image.adjust_brightness(image_data, 0.5)
    cv2Show("brightness +0.5",adjusted2)

    # 隨機調整圖像的亮度：
    # random_brightness(image, max_delta, seed=None)
    # image：待調整的圖像
    # max_delta：在[-max_delte,max_delte)的範圍隨機調整圖像的亮度
    # seed：隨機數種子
    adjusted3 = tf.image.random_brightness(image_data, 0.3)
    cv2Show("random brightness", adjusted3)

    cv2.waitKey()
 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56

程序運行如下：

3、調整圖像的對比度

import tensorflow as tf
import cv2

# 這裏定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數
# 請註意：
# 在tensorflow中，一個像素點的顏色順序是R，G，B。
# 在opencv中，一個像素點的顏色順序是B，G，R。
# 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。
# 第一個參數name：將要顯示的窗口名稱。
# 第二個參數image：儲存圖片信息的一個tensor。
def cv2Show(name="", image=None):
    # 獲取矩陣信息
    np = image.eval()
    # 獲取行數列數
    row, col = len(np),len(np[1])

    # 兩重循環遍歷
    for i in range(row):
        for j in range(col):
            # 交換數值
            tmp = np[i][j][0]
            np[i][j][0] = np[i][j][2]
            np[i][j][2] = tmp

    # 顯示圖片
    cv2.imshow(name,np)
    pass

# tensorflow會話
with tf.Session() as sess:
    # 以二進制的方式讀取圖片。
    image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read()

    # 按照jpeg的格式解碼圖片。
    image_data = tf.image.decode_jpeg(image_raw_data)

    # 顯示原圖片。
    cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data)

    # 將圖片的對比度-5
    adjusted1 = tf.image.adjust_contrast(image_data, -5)
    cv2Show("contrast -5", adjusted1)

    # 將圖片的對比度+5
    adjusted2 = tf.image.adjust_contrast(image_data, 5)
    cv2Show("contrast +5",adjusted2)

    # 隨機調整圖像的對比度：
    # random_contrast(image, lower, upper, seed=None)
    # image：待調整的圖像
    # lower，upper：在[lower,upper]的範圍隨機調整圖像的對比度。lower非負。
    # seed：隨機數種子
    adjusted3 = tf.image.random_contrast(image_data, 1, 9)
    cv2Show("random contrast", adjusted3)

    cv2.waitKey()
 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56

程序運行如下：

4、調整圖像的色相

import tensorflow as tf
import cv2

# 這裏定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數
# 請註意：
# 在tensorflow中，一個像素點的顏色順序是R，G，B。
# 在opencv中，一個像素點的顏色順序是B，G，R。
# 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。
# 第一個參數name：將要顯示的窗口名稱。
# 第二個參數image：儲存圖片信息的一個tensor。
def cv2Show(name="", image=None):
    # 獲取矩陣信息
    np = image.eval()
    # 獲取行數列數
    row, col = len(np),len(np[1])

    # 兩重循環遍歷
    for i in range(row):
        for j in range(col):
            # 交換數值
            tmp = np[i][j][0]
            np[i][j][0] = np[i][j][2]
            np[i][j][2] = tmp

    # 顯示圖片
    cv2.imshow(name,np)
    pass

# tensorflow會話
with tf.Session() as sess:
    # 以二進制的方式讀取圖片。
    image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read()

    # 按照jpeg的格式解碼圖片。
    image_data = tf.image.decode_jpeg(image_raw_data)

    # 顯示原圖片。
    cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data)

    # adjust_hue(image, delta, name=None)
    # delte的範圍:[-1,1]
    # 將圖片的色相+0.1
    adjusted1 = tf.image.adjust_hue(image_data, 0.1)
    cv2Show("hue +0.1", adjusted1)

    # 將圖片的色相+0.3
    adjusted2 = tf.image.adjust_hue(image_data, 0.3)
    cv2Show("hue +0.3", adjusted2)

    # 將圖片的色相+0.6
    adjusted3 = tf.image.adjust_hue(image_data, 0.6)
    cv2Show("hue +0.6", adjusted3)

    # 將圖片的色相+0.9
    adjusted4 = tf.image.adjust_hue(image_data, 0.9)
    cv2Show("hue +0.9", adjusted4)

    # 隨機調整圖像的色相：
    # random_hue(image, max_delta, seed=None)
    # image：待調整的圖像
    # max_delta：在[-max_delta,max_delta]的範圍隨機調整圖像的色相。max_delta的範圍[0,0.5]。
    # seed：隨機數種子
    adjusted5 = tf.image.random_hue(image_data,0.4)
    cv2Show("random hue", adjusted5)

    cv2.waitKey()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66

程序運行結果如下：

5、調整圖像的飽和度

import tensorflow as tf
import cv2

# 這裏定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數
# 請註意：
# 在tensorflow中，一個像素點的顏色順序是R，G，B。
# 在opencv中，一個像素點的顏色順序是B，G，R。
# 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。
# 第一個參數name：將要顯示的窗口名稱。
# 第二個參數image：儲存圖片信息的一個tensor。
def cv2Show(name="", image=None):
    # 獲取矩陣信息
    np = image.eval()
    # 獲取行數列數
    row, col = len(np),len(np[1])

    # 兩重循環遍歷
    for i in range(row):
        for j in range(col):
            # 交換數值
            tmp = np[i][j][0]
            np[i][j][0] = np[i][j][2]
            np[i][j][2] = tmp

    # 顯示圖片
    cv2.imshow(name,np)
    pass

# tensorflow會話
with tf.Session() as sess:
    # 以二進制的方式讀取圖片。
    image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read()

    # 按照jpeg的格式解碼圖片。
    image_data = tf.image.decode_jpeg(image_raw_data)

    # 顯示原圖片。
    cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data)

    # 將圖片的飽和度-5
    adjusted1 = tf.image.adjust_saturation(image_data, -5)
    cv2Show("saturation -5", adjusted1)

    # 將圖片的飽和度+5
    adjusted2 = tf.image.adjust_saturation(image_data, 5)
    cv2Show("saturation +5", adjusted2)

    # 隨機調整圖像的飽和度：
    # random_saturation(image, lower, upper, seed=None)
    # image：待調整的圖像
    # lower，upper：在[lower,upper]的範圍隨機調整圖像的飽和度。lower非負。
    # seed：隨機數種子
    adjusted3 = tf.image.random_saturation(image_data, 1, 9)
    cv2Show("random saturation", adjusted3)

    cv2.waitKey()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56

程序運行結果如下：

6、圖像的標準化

import tensorflow as tf
import cv2

# 這裏定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函數
# 請註意：
# 在tensorflow中，一個像素點的顏色順序是R，G，B。
# 在opencv中，一個像素點的顏色順序是B，G，R。
# 因此，我們循環遍歷每一個像素點，將第0位的顏色和第2位的顏色數值換一下即可。
# 第一個參數name：將要顯示的窗口名稱。
# 第二個參數image：儲存圖片信息的一個tensor。
def cv2Show(name="", image=None):
    # 獲取矩陣信息
    np = image.eval()
    # 獲取行數列數
    row, col = len(np),len(np[1])

    # 兩重循環遍歷
    for i in range(row):
        for j in range(col):
            # 交換數值
            tmp = np[i][j][0]
            np[i][j][0] = np[i][j][2]
            np[i][j][2] = tmp

    # 顯示圖片
    cv2.imshow(name,np)
    pass

# tensorflow會話
with tf.Session() as sess:
    # 以二進制的方式讀取圖片。
    image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read()

    # 按照jpeg的格式解碼圖片。
    image_data = tf.image.decode_jpeg(image_raw_data)

    # 顯示原圖片。
    cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data)

    # 將代表一張圖像的三維矩陣中的數字均值變成0，方差變為1。
    adjusted = tf.image.per_image_standardization(image_data)
    cv2Show("image_standardization", adjusted)

    cv2.waitKey()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44

程序運行結果如下：

Tensorflow深度學習之十二：基礎圖像處理之二