浅谈tensorflow 中的图片读取和裁剪方式
一 方式1: skimage
from skimage import data, io, transform, color import matplotlib.pyplot as plt # io.imread 读出的图片格式是uint8,value是numpy array 类型。 image = data.coffee() image = io.imread(dir) plt.imshow(image) plt.show() io.save('1.jpg',image) #保存图像 image_gray = color.rgb2gray(image) #转换为灰度图像 io.save('2.jpg',image_gray) # 通过transform.resize()裁剪后的图片是以 float64的格式存储的,数值的取值范围是(0~1) image_ = transform.resize(image,(200,200)) img = image_ * 255 #将图片的取值范围改成(0~255) img = img.astype(np.uint8) img = image_ * 255 #将图片的取值范围改成(0~255) img = img.astype(np.uint8)
二、方式2:cv2
import cv2 import matplotlib.pyplot as plt # cv2.imread读出的图片格式是uint8,value也是numpy array 类型。 # 图像数据格式是以BGR的格式进行存储的。需要将存储类型改成RGB 的形式才能正常显示原图的颜色。 image=cv2.imread(dir) b,g,r = cv2.split(image) #将图像通道分离开 rgb_image = cv2.merge([r,g,b]) #以RGB的形式重新组合 #image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) 也可以使用这个函数直接转换成RGB 形式 plt.imshow(rgb_image) # 通过cv2.resize()裁剪后的图片还是以 numpy array 的方式保存的, 数值的取值范围是(0~255) image_cv2 = cv2.resize(rgb_image) image=cv2.imread(dir) b,g,r = cv2.split(image) #将图像通道分离开 rgb_image = cv2.merge([r,g,b]) #以RGB的形式重新组合 #image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) 也可以使用这个函数直接转换成RGB 形式 plt.imshow(rgb_image) # 通过cv2.resize()裁剪后的图片还是以 numpy array 的方式保存的, 数值的取值范围是(0~255) image_cv2 = cv2.resize(rgb_image)
补充知识:tensorflow中两种读图及裁剪图片的区别(io.imread和cv2.imread)以及(transform.resize和cv2.resize)
Tensorflow中,在训练图片数据之前,需要先对图片进行预处理,读图和裁剪是最基本的两步。常见的的读图何裁剪分别有两种方式,这里小编将和大家分享下这几种方式的实现以及他们之间的区别。
一、常见的两种读图方式 io.imread() 和 cv2.imread()
1.io.imread 读出的图片格式是uint8,value是numpy array 类型。对于RGB 图片,图像数据是以RGB 的格式进行存储的。
2.通过transform.resize()裁剪后的图片是以 float64的格式存储的,数值的取值范围是(0~1)。通常在制作tfrecord 数据集的过程中,我们需要将其转换成numpy array的形式,具体代码如下
'''以io.imread方式读取图片并使用transform形式裁剪图片''' image = io.imread(train_dir) #读图并显示 plt.imshow(image) image =transform.resize(image, (208, 208)) img = image * 255 #将图片的取值范围改成(0~255) img = img.astype(np.uint8) plt.imshow(img)
读图和裁剪图片在制作tfrecord数据集时,是很基础的步骤,在接下来,我还将进一步更新如何制作自己的tfrecord数据集,以及tfrecord的读取。如有谬误,还请大家斧正。
以上这篇浅谈tensorflow 中的图片读取和裁剪方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持来客网。