在使用深度学习对图像进行训练时，对图像进行随机旋转有助于提升模型泛化能力。然而之前在做旋转等预处理工作时，都是先对图像进行旋转后保存到本地，然后再输入模型进行训练，这样的过程会增加工作量，如果图片数量较多，生成旋转的图像会占用更多的空间。直接在训练过程中便对图像进行随机旋转，可有效提升工作效率节省硬盘空间。
使用TensorFlow对图像进行随机旋转如下：
TensorFlow版本为1.13.1
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
|
#-*- coding:utf-8 -*-''' 使用TensorFlow进行图像的随机旋转示例''' import tensorflow as tfimport numpy as npimport cv2import matplotlib.pyplot as plt img = cv2.imread('tf.jpg')img = cv2.resize(img,(220,220))img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) def tf_rotate(input_image, min_angle = -np.pi/2, max_angle = np.pi/2): ''' TensorFlow对图像进行随机旋转 :param input_image: 图像输入 :param min_angle: 最小旋转角度 :param max_angle: 最大旋转角度 :return: 旋转后的图像 ''' distorted_image = tf.expand_dims(input_image, 0) random_angles = tf.random.uniform(shape=(tf.shape(distorted_image)[0],), minval = min_angle , maxval = max_angle) distorted_image = tf.contrib.image.transform( distorted_image, tf.contrib.image.angles_to_projective_transforms( random_angles, tf.cast(tf.shape(distorted_image)[1], tf.float32), tf.cast(tf.shape(distorted_image)[2], tf.float32) )) rotate_image = tf.squeeze(distorted_image, [0]) return rotate_image global_init = tf.global_variables_initializer()with tf.Session() as sess: init = tf.initialize_local_variables() sess.run([init, global_init]) coord = tf.train.Coordinator() threads = tf.train.start_queue_runners(coord=coord) image = tf.placeholder(shape=(220, 220, 3), dtype=tf.float32) rotate_image = tf_rotate(image, -np.pi/2, np.pi/2) output = sess.run(rotate_image, feed_dict={image:img}) # print('output:',output) plt.imshow(output.astype('uint8')) plt.title('rotate image') plt.show() |
结果如下：
原图：
随机旋转后的图：
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/qq_26535271/article/details/104030643
