Tensorflow中影像處理函數(映像大小調整)_tensorflow

映像大小的調整方式：在Tensorflow中通過tf.image.resize_images函數實現；

1.雙線性插值演算法（Bilinear interpolation）;Method取值為：0；

2.最近鄰居法（Nearest  neighbor interpolation);Method取值為：1；

3.雙立方插值法（Bicubic interpolation);Method取值為：2；

4.面積插值法（Area interpolation) ;Method取值為：3；

import matplotlib.pyplot as pltimport tensorflow as tfimport numpy as npimage_raw_data = tf.gfile.GFile('D:/path/to/picture/8.jpg','rb').read()   #載入原始映像with tf.Session() as sess:    img_data = tf.image.decode_jpeg(image_raw_data)    plt.imshow(img_data.eval())    plt.show()    resized = tf.image.resize_images(img_data, [300,300],method=0)  #第一個參數為原始映像，第二個參數為映像大小，第三個參數給出了指定的演算法    resized = np.asarray(resized.eval(),dtype='uint8')    plt.imshow(resized)    plt.show()    croped = tf.image.resize_image_with_crop_or_pad(img_data,200,200)    #靶心圖表像大小<原始映像的大小，則截取原始映像的置中部分，    padded = tf.image.resize_image_with_crop_or_pad(img_data,800,800)    #靶心圖表像大小>原始映像的大小，則會在原始映像的四周填充全為0背景    plt.imshow(croped.eval())    plt.show()    plt.imshow(padded.eval())    plt.show()    central_cropped = tf.image.central_crop(img_data,0.5)                #按照比例裁剪映像，第二個參數為調整比例，比例取值[0,1]    plt.imshow(central_cropped.eval())    plt.show()

在上述代碼中，通過tf.image.resize_images函數調整映像的大小。

並且Tensorflow提供API對映像進行裁剪或者填充，當靶心圖表像大小小於原始映像的大小時，則需要裁剪原始映像

                                                                                           當靶心圖表像大小在大於原始映像的情況下，則需要填充原始映像四周

最後還可以通過函數tf.image.central_crop()來按照比例調整映像大小；

上述代碼實驗結果圖為：

                  原始映像：                tf.image.resize_images(img_data, [300,300],method=0)     tf.image.resize_image_with_crop_or_pad(img_data,200,200)

                       

tf.image.resize_image_with_crop_or_pad(img_data,800,800)                       tf.image.central_crop(img_data,0.5)