【tensorFlow】——图像数据增强、读取图像、保存图像

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2021/4/13 10:54
# @Author  : @linlianqin
# @Site    :
# @File    : 数据增强（distorted).py
# @Software: PyCharm
# @description:一些基于TensorFlow的数据处理方法import tensorflow as tf
import cv2
import matplotlib.pyplot as pltpath = r'E:\gitHubProjects\tensorflow_learning\CNN卷积神经网络-cifar数据集分类\tensorflow_image_processing\1.png'def tf_imgae_processing():# 读取图像文件image_raw = tf.gfile.GFile(path,'rb').read() # 以二进制的形式读取with tf.Session() as sess:## 对图像进行解码得到图像的三维矩阵数据image_data = tf.image.decode_image(image_raw)h,w,c = image_data.eval().shapeprint("image_data.shape:",(h,w,c))# 显示图像plt.imshow(image_data.eval())plt.show()# 裁剪图像crop_img = tf.random_crop(image_data,[300,300,c])plt.imshow(crop_img.eval())plt.show()## 保存图像crop_encode_img = tf.image.encode_png(crop_img)with tf.gfile.GFile(r'E:\gitHubProjects\tensorflow_learning\CNN卷积神经网络-cifar数据集分类\tensorflow_image_proces'r'sing'+'\crop_img.png','wb') as f:f.write(crop_encode_img.eval())# 随机左右翻转图像(也可以随机上下翻转）flip_img = tf.image.random_flip_left_right(crop_img)plt.imshow(flip_img.eval())plt.show()## 保存图像flip_encode_img = tf.image.encode_png(flip_img)with tf.gfile.GFile(r'E:\gitHubProjects\tensorflow_learning\CNN卷积神经网络-cifar数据集分类\tensorflow_image_proces'r'sing' + '\\flip_img.png', 'wb') as f:f.write(flip_encode_img.eval())# 调整亮度brightness_img = tf.image.random_brightness(flip_img,max_delta=0.8)plt.imshow(brightness_img.eval())plt.show()## 保存图像brightness_encode_img = tf.image.encode_png(brightness_img)with tf.gfile.GFile(r'E:\gitHubProjects\tensorflow_learning\CNN卷积神经网络-cifar数据集分类\tensorflow_image_proces'r'sing' + '\\brightness_img.png', 'wb') as f:f.write(brightness_encode_img.eval())# 对比度contrast_img = tf.image.random_brightness(brightness_img, max_delta=0.8)plt.imshow(contrast_img.eval())plt.show()## 保存图像contrast_encode_img = tf.image.encode_png(contrast_img)with tf.gfile.GFile(r'E:\gitHubProjects\tensorflow_learning\CNN卷积神经网络-cifar数据集分类\tensorflow_image_proces'r'sing' + '\\contrast_img.png', 'wb') as f:f.write(contrast_encode_img.eval())# 标准化# tf.image.per_image_standardization(image_data)# 打乱数据集# tf.train.shuffle_batch(image,label)tf_imgae_processing()

原图像

裁剪图像

翻转图像

亮度图像

对比图像

【tensorFlow】——图像数据增强、读取图像、保存图像相关推荐

Python：图像数据增强和保存
Python:图像数据增强和保存 code 参考博客链接:https://blog.csdn.net/qq_36756866/article/details/108255715 在进行模型分析处理的时 ...
【Tool】Augmentor和imgaug——python图像数据增强库
Augmentor和imgaug--python图像数据增强库 Tags: ComputerVision Python 介绍两个图像增强库:Augmentor和imgaug,Augmentor使用比较 ...
python图像增强_【Tool】Augmentor和imgaug——python图像数据增强库
Augmentor和imgaug--python图像数据增强库 Tags: ComputerVision Python 介绍两个图像增强库:Augmentor和imgaug,Augmentor使用比较 ...
YOLO自带的图像数据增强方法
yolo数据增强code: V3: https://github.com/ultralytics/yolov3/blob/master/utils/datasets.py V4: https://gi ...
目标检测：python实现多种图像数据增强的方法（光照，对比度，遮挡，模糊）
图像数据增强的内容(可根据需要自定义选择): 1.直方图均衡化 2.clahe自适应对比度直方图均衡化 3.白平衡 4.亮度增强 5.亮度,饱和度,对比度增强 6.去除图像上的高光部分 7.自适应亮度 ...
OpenCv图像处理之图像视频摄像头读取和保存
OpenCv图像处理之图像视频摄像头读取与保存使用cv::imread()读取图片使用cv::imwrite()存储图片使用cv::VideoCapture::open()读取视频使用cv:: ...
深度学习之实现图像数据增强
深度学习之实现图像数据增强前言数据增强的意思就是让数据量增多.对于深度学习来说,大的数据量可以训练出更好的深度学习模型. 在图像增强方面,我们常用的手段如下: 旋转翻转缩放平移尺度变换对 ...
python批量实现图像数据增强（扩增）
什么是数据扩增? 数据扩增是对数据进行扩充的方法的总称.数据扩增可以增加训练集的样本,可以有效缓解模型过拟合的情况,也可以给模型带来的更强的泛化能力. 通常在进行数据扩增操作的时候应该保持图像原本的标 ...
图像数据增强方法一览（附python代码）
在图像分类任务中,图像数据增强一般是大多数人会采用的方法之一,这是由于深度学习对数据集的大小有一定的要求,若原始的数据集比较小,无法很好地满足网络模型的训练,从而影响模型的性能,而图像增强是对原始图像 ...
干货 | 图像数据增强实战
我目前正在做图像数据增强的深度和有效性的研究.这项研究的目的是学习怎样增加只有有限或少量数据的数据集大小,增强训练的卷积网络模型的鲁棒性. 需要列出所有可以想到的图像增强的方法,并将这些方法进行组合, ...

【tensorFlow】——图像数据增强、读取图像、保存图像

【tensorFlow】——图像数据增强、读取图像、保存图像相关推荐

最新文章

热门文章