• 影象編碼處理
  將影象轉為一個三維矩陣，並使用三維矩陣形成一個影象：

import tensorflow as tf
import matplotlib.pyplot as plt

# 讀取原始影象資料
image_raw_data = tf.gfile.FastGFile("/tensorflow_google/cat.jpg", 'rb').read()

with tf.Session() as sess:
    # 將jpg影象轉化為三維矩陣，若為png格式，可使用tf.image.decode_png
    img_data = tf.image.decode_jpeg(image_raw_data)
    # 輸出解碼之後的三維矩陣
 

    # print(img_data.eval())
    # 使用plt顯示影象
    # plt.imshow(img_data.eval())
    # plt.show()

    # 將資料的型別轉化為實處方便處理
    img_data = tf.image.convert_image_dtype(img_data, dtype=tf.uint8)

    # 將表示一張影象的三維矩陣重新按照jpeg格式編碼並存入檔案
    encoded_image = tf.image.encode_jpeg(img_data)
    with tf.gfile.GFile("/tensorflow_google/encoded.jpeg"
 
, 'wb') as f:
        f.write(encoded_image.eval())

• 影象大小調整
  將影象的大小統一，TensorFlow使用了四種不同的方法，並將它們封裝到tf.image.resize_images函式中：
  1）method = 0，使用雙線性插值法
  2）method = 1， 使用最近鄰法
  3）method = 2， 使用雙三次插值法
  4）method = 3， 使用面積插值法
  以下為使用程式碼：

import tensorflow as tf

# 讀取原始影象資料
image_raw_data = tf.gfile.FastGFile("/tensorflow_google/cat.jpg"
 
, 'rb').read()

with tf.Session() as sess:
    # 將jpg影象轉化為三維矩陣，若為png格式，可使用tf.image.decode_png
    img_data = tf.image.decode_jpeg(image_raw_data)
    img_data = tf.image.convert_image_dtype(img_data, dtype=tf.float32)
    # 通過tf.image.resize_images調整影象大小，size中為調整後的格式，method為調整影象大小的演算法
    resized = tf.image.resize_images(img_data, size=[300, 300], method=0)

    # 輸出調整後圖像的大小，深度沒有設定，所以是？
    print(resized.get_shape())

>>(300, 300, ?)

注意：若出現以下錯誤
TypeError: resize_images() got multiple values for argument ‘method’
則是因為使用了舊版resize_images函式，如下：

resized = tf.image.resize_images(img_data, 300, 300, method=0)

新版resize_images函式改為：

resized = tf.image.resize_images(img_data, size=[300, 300], method=0)