TF之p2p：基于TF利用p2p模型部分代码实现提高图像的分辨率

一、tfimage.py文件功能解释

二、process.py添加一个新操作

一、tfimage.py文件功能解释

1、此处的create_op就调用了tf.get_default_session().run()方法，可以将Tensor 操作的函数转变为对Numpy 数组操作的函数，转换后的函数输出为Numpy的数组，而不是Tensor。例如，下面的decode_jpeg和decode_png。

def create_op(func, **placeholders):op = func(**placeholders)def f(**kwargs):feed_dict = {}for argname, argvalue in kwargs.items():placeholder = placeholders[argname]feed_dict[placeholder] = argvaluereturn tf.get_default_session().run(op, feed_dict=feed_dict)return fdecode_jpeg = create_op(func=tf.image.decode_jpeg,contents=tf.placeholder(tf.string),
)decode_png = create_op(func=tf.image.decode_png,contents=tf.placeholder(tf.string),
)

2、tfimage.py里使用decode_jpeg和deco de_png定义了一个load函数。load函数的输入是一个图片文件路径，返回的是numpy. ndarray 形式的图像数据。

def load(path):with open(path, "rb") as f:contents = f.read()_, ext = os.path.splitext(path.lower())if ext == ".jpg":image = decode_jpeg(contents=contents)elif ext == ".png":image = decode_png(contents=contents)else:raise Exception("invalid image suffix")return to_float32(image=image)

3、还利用create_op函数定义了若干函数

rgb_to_grayscale = create_op(func=tf.image.rgb_to_grayscale,images=tf.placeholder(tf.float32),
)……crop = create_op(func=tf.image.crop_to_bounding_box,image=tf.placeholder(tf.float32),offset_height=tf.placeholder(tf.int32, []),offset_width=tf.placeholder(tf.int32, []),target_height=tf.placeholder(tf.int32, []),target_width=tf.placeholder(tf.int32, []),
)pad = create_op(func=tf.image.pad_to_bounding_box,image=tf.placeholder(tf.float32),offset_height=tf.placeholder(tf.int32, []),offset_width=tf.placeholder(tf.int32, []),target_height=tf.placeholder(tf.int32, []),target_width=tf.placeholder(tf.int32, []),
)

二、process.py添加一个新操作

1、process.py 的主处理函数process 使用了上述load 函数读入图片，接着做了一些处理后保存。

def process(src_path, dst_path):src = im.load(src_path)if a.operation == "grayscale":dst = grayscale(src)elif a.operation == "resize":dst = resize(src)elif a.operation == "blank":dst = blank(src)elif a.operation == "combine":dst = combine(src, src_path)elif a.operation == "edges":dst = edges(src)elif a.operation == "blur":dst = blur(src)else:raise Exception("invalid operation")im.save(dst, dst_path)

2、添加新的函数

TF之p2p：基于TF利用p2p模型部分代码实现提高图像的分辨率相关推荐

DL之CycleGAN：基于TF利用CycleGAN模型对apple2orange数据集实现图像转换—训练测试过程全记录
DL之CycleGAN:基于TF利用CycleGAN模型对apple2orange数据集实现图像转换-训练&测试过程全记录目录 apple2orange数据集输出结果训练&测试过 ...
CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略
CV之FD之HOG:图像检测之基于HOG算法.简介.代码实现(计算图像相似度)之详细攻略图像检测之基于HOG算法.简介.代码实现(计算图像相似度)之详细攻略相关文章:CV之FD之HOG:图像检测之 ...
基于服务器利用VS调试远程代码
一.需求本次想要运行的项目是一个表格识别的任务叫TGRNet,具体的https://github.com/xuewenyuan/TGRNet代码放在服务器上,最初使用docker配置环境,仅仅希望能 ...
Gradient Transfer Optimization Model：基于梯度转移优化模型的红外与可见光图像融合
目录
基于Python的图像超分辨率（Image Super Resolution）
资源下载地址:https://download.csdn.net/download/sheziqiong/85596189 一.业务背景本实验将使用时深度学习技术对图像进行超分辨率重建,设计到的技术 ...
【图像超分辨率】基于ResNet或GAN的遥感图像超分辨率论文
基于ResNet或GAN的遥感图像超分辨率论文 <空间感知残差网络的遥感图像超分辨率重建> 操作: 遥感图像特点: 网络模型: 去掉批处理层的原因: 具体操作损失方程: <改进的残 ...
DL之Attention-ED：基于TF NMT利用带有Attention的 ED模型训练、测试(中英文平行语料库)实现将英文翻译为中文的LSTM翻译模型过程全记录
DL之Attention-ED:基于TF NMT利用带有Attention的 ED模型训练(中英文平行语料库)实现将英文翻译为中文的LSTM翻译模型过程全记录目录测试输出结果模型监控训练过程全 ...
NLP之WE之Skip-Gram：基于TF利用Skip-Gram模型实现词嵌入并进行可视化、过程全记录
NLP之WE之Skip-Gram:基于TF利用Skip-Gram模型实现词嵌入并进行可视化目录输出结果代码设计思路代码运行过程全记录输出结果代码设计思路代码运行过程全记录 3081 or ...
DL之pix2pix：基于TF利用pix2pix模型对food_resized数据集实现Auto Color自动上色技术—训练测试过程全记录
DL之pix2pix:基于TF利用pix2pix模型对food_resized数据集实现Auto Color自动上色技术目录训练 food_resized数据集展示 TB过程监控 1.SCALAR ...

TF之p2p：基于TF利用p2p模型部分代码实现提高图像的分辨率

一、tfimage.py文件功能解释

二、process.py添加一个新操作

TF之p2p：基于TF利用p2p模型部分代码实现提高图像的分辨率相关推荐

最新文章

热门文章