本文主要是介绍08_Tensorflow2图像处理秘籍：让图片‘听话’，AI也能成艺术家！，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1. 图像数据处理
图像处理是指图像在神经网络训练之前的预处理，是人工智能视觉领域的重要组成部分。通过图像处理技术对图像数据集进行处理有两方面的作用：（1）将原始数据集处理成合格的、规范是数据集；（2）通过图像处理技术实现对原始数据集的增广。
# 库引入
import matplotlib.pyplot as plt
import tensorflow as tf# 图像读取
image_path = "./images/3565.jpg"
image = tf.io.read_file(image_path)
image_decode = tf.image.decode_image(image, channels=3)# 显示图像
plt.imshow(image_decode)
plt.show()
1.1 图像放缩
图像放缩是指保持图像的内容不变，对图像的尺寸进行调整，将图像的长和宽按照对应的比例进行变化。Tensorflow中提供的图像放缩函数如下：
tf.image.resize(
images,
size,
method,
preserve_aspect_ratio,
antialias=False,
name=None
)
参数介绍如下:
# 获取图像尺寸信息
h,w,c = image_decode.shape
print("before resize image hight:{},width:{},channels:{}".format(h,w,c))# 图像放缩
image_resize = tf.image.resize(image_decode,(618,918),method="bilinear"
)# 获取图像尺寸信息
h,w,c = image_resize.shape
print("after resize image hight:{},width:{},channels:{}".format(h,w,c))# 显示图像
image_resize = image_resize/255
plt.imshow(image_resize)
plt.show()
before resize image hight:1080,width:1920,channels:3
after resize image hight:618,width:918,channels:3
1.2 图像翻转
图像旋转是指图像左右或上下对称翻转。tensorflow中针对上下和左右翻转提供了不同的方法。
# 上下翻转
image_flip = tf.image.flip_up_down(image_decode)
plt.imshow(image_flip)
plt.show()
# 对角线翻转
image_tans = tf.image.transpose(image_decode)
plt.imshow(image_tans)
plt.show()
1.3 图像旋转
tensorflow在图像旋转方面的函数还不够完善，目前，只提供了一个函数，但该函数不能实现图像旋转任意角度，只能旋转90、180、270、360度，是通过旋转次数来控制的，该函数如下：
tf.image.rot90(image，k)
参数：
image: 图像tensor;
k: 旋转次数，图像逆时针旋转（k*90)度
#图像旋转
image_rot=tf.image.rot90(image_decode,3)
plt.imshow(image_rot)
plt.show()
1.4 图像色彩调整
颜色是目标的重要特征，同一种颜色对亮度、对比度、饱和度等进行调整不但不会影响推理的结果，反而会增加模型的泛化能力。tensorflow提供了相关颜色调整的函数。
# 亮度调整
image_brightness = tf.image.adjust_brightness(image_decode, 0.5)
plt.imshow(image_brightness)
plt.show()
#对比度调整
image_contrast=tf.image.adjust_contrast(image_decode,3)
plt.imshow(image_contrast)
plt.show()
2. 图像处理建议
图像处理是提升数据集质量和增加样本多样性的基础，同时，图像处理的方法多种多样，tensorflow的image模块为大家提供了大量的图像处理函数，在此不一一列举如何使用，希望大家参照官网文档对相关函数进行学习。
这篇关于08_Tensorflow2图像处理秘籍：让图片‘听话’，AI也能成艺术家！的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
