一 方式1: skimage
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
import cv2import 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.cv2.imread读出的图片格式是uint8 ,value也是numpy array 类型。唯一的区别是，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。特别是制作tfrecord 时，需要将图片通道改成RGB，具体代码如下。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import cv2import matplotlib.pyplot as pltfrom skimage import transform import numpy as npimport skimage.io as io train_dir = 'E:/TensorFlow/Project_TF/flower_tfrecord/data/test/roses/timg.jpg' '''以cv2方式读取图片'''image=cv2.imread(train_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) '''以io.imread方式读取图片'''#image = io.imread(train_dir) #读图并显示 #plt.imshow(image) |
二、常见的两种图片裁剪方式 cv2.resize() 和 transform.resize()
1.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）
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
|
1
2
3
4
5
6
7
8
|
'''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服务器之家。
原文链接：https://blog.csdn.net/dkuhn/article/details/80719452
