tensorflow-image处理的API讲解

1.编码和解码

-编码：

tf.image.encode_jpeg(image, format=None, quality=None, progressive=None, optimize_size=None, chroma_downsampling=None, density_unit=None, x_density=None, y_density=None, xmp_metadata=None, name=None)

将一个三维形状为[height，width，channels]，类型为uint8张量的图片进行编码。

format:可选择编码输出图片的颜色的组成，

可选参数：

‘’：使用原始图片默认的channels

grayscale：输出的是灰色的JPEG格式的图片，输入图片的channels必须为1

‘rgb’：输出的是RGB JPEG 格式的图片，输入图片的channels必须为3

如果未给定，则根据图像中的通道数默认选择格式。

参数(一些可能会用到的，基本上使用的都是默认值)：

image：uint8类型张量，三维的形状为[height，width，channels]

format：接收string类型的值，可以有: “”,“grayscale”,“rgb”,默认为"",每一个像素。的格式。

quality: 接收int类型的值，默认为95，可以选的值是0-100中的数，值越高，图片的质量越好，但是速度越慢。

optimize_size：接收bool类型的值，默认为False,如果为真，则使用CPU/RAM减少图片的大小而不改变质量。

返回string类型的张量，0-D，JPEG类型编码的图片。

-解码：

tf.image.decode_jpeg(contents, channels=None, ratio=None, fancy_upscaling=None, try_recover_truncated=None, acceptable_fraction=None, name=None)

将一个已经编码的JPEG格式的图片，转换成一个uint8类型的张量。

channels：指的是解码图片所需要的通道数。

可选的参数有：

0：使用编码图片本身的通道数

1：输出一张灰色图片

3：输出一张RGB格式的图片

参数：

contents：string类型的张量，编码后的图片。

channels：接收int类型的值，可选参数，默认为 0.

ratio：接收int类型的值，默认为1，可选择的值有1,2,4,8，缩小比例。

返回值为uint8类型的张量，三维的形状为[height，width，channels]

上面是对JPEG格式图片进行的，下面直接给出png格式的图像。

tf.image.decode_png(contents, channels=None, name=None)

解码与上面的JPEG的相同

tf.image.encode_png(image, compression=None, name=None)

image图片的channels：

1：灰度图片

3：RGB类型的图片

4：RGBA类型的图片

compression：图片的压缩比，值为默认的-1和可选的0-9，默认的值为-1.

2.crop

tf.image.resize_with_crop_or_pad(image, target_height, target_width)

将图片剪切后者填充到目标高度和宽度。

填充时用0填充。

返回剪切或者填充后的图片 shape为[target_height,target_width,channels]

3.Flipping and Transposing

tf.image.flip_up_down(image)

垂直翻转图片 输入图片的维度信息为 [height，width，channels]

返回的图片维度和输入的一样。

tf.image.random_flip_up_down(image, seed=None)

随机垂直翻转图片，可上面的功能一样，只是图片有可能不会翻转，也有可能翻转。

tf.image.flip_left_right(image)

水平翻转图片，其他的和上面的都一样

tf.image.random_flip_left_right(image, seed=None)

与上面随机垂直翻转图片的功能差不多。

tf.image.transpose(image)

将图片的第一维度和第二维度互换。

输入图片的维度信息为[height,width，channels]

输出图片的维度信息的[width，height，channels]

图像调整，TensorFlow提供函数对图像的亮度，饱和度，对比度以及色条进行调整。

tf.image.adjust_brightness(image, delta)

调节图片的亮度，delta的值在0到1之间，值越大图片越亮。

tf.image.adjust_contrast(images, contrast_factor, min_value=None, max_value=None)

调节图片的对比度。输入图片的维度信息可以为[height，width，channels] 和[batch，height，width，channels]

调节对比度时，每个维度的对比度是独立的。

计算步骤如下，先计算每一个维度像素的平均值mean，每一个像素值x = （x-mean）*contrast_factor+mean

计算时，数据总是浮点型，计算完后自动将其恢复到原来的类型。

参数：

images：输入的图片，至少是三维的。

contrast_factor:接收数值型，然后将其转换成float，调节系数。

min_value:计算后，如果有像素值小于该像素，则该像素等于该像素。

max_value:计算后，如果有像素值大于该像素，则该像素等于该像素。

返回调节后的图像。

以上基于TensorFlow2.0,。

如果有错误的地方，欢迎在下方留言。

Thank for your reading !!!

公众号：FPGA之旅