Python TensorFlow，读取图片数据，WholeFileReader()

悠悠 2022-03-12 09:58 281阅读 0赞

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 1][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 2][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 3][]

--------------------

### **demo.py（读取图片）：** ###

import tensorflow as tf
    import os
    os.environ['TF_CPP_MIN_LOG_LEVEL']='2'  # 设置警告级别
    
    
    # 读取狗图片并转换成张量
    
    # 找到数据文件，放入列表   路径+名字->列表当中
    file_names = os.listdir("./dogimages/")
    print(file_names)  # ['1.jpg', '2.jpg', '3.jpg',...]
    # 拼接路径和文件名
    filename_list = [os.path.join("./dogimages/", file) for file in file_names]
    
    # 1、构造文件名队列
    file_queue = tf.train.string_input_producer(filename_list)
    
    # 2、构造阅读器去读取图片内容（默认读取一张图片(整个文件)）
    reader = tf.WholeFileReader()
    key, value = reader.read(file_queue)  # key表示文件名，value表示读取的内容。
    print(value)  # Tensor("ReaderReadV2:1", shape=(), dtype=string)
    
    # 3、对读取的图片数据进行解码
    image = tf.image.decode_jpeg(value)
    print(image)  # Tensor("DecodeJpeg:0", shape=(?, ?, ?), dtype=uint8)  像素值在存储时一般用uint8类型
    
    # 5、处理图片的大小（统一大小）。  缩放图片(并不是截取图片)
    image_resize = tf.image.resize_images(image, [200, 200])
    print(image_resize)  # Tensor("Squeeze:0", shape=(200, 200, ?), dtype=float32)  像素值在计算时一般用float32类型
    
    # 注意：一定要把样本的形状固定 [200, 200, 3],在批处理的时候要求所有数据形状必须固定
    image_resize.set_shape([200, 200, 3])
    print(image_resize)  # Tensor("Squeeze:0", shape=(200, 200, 3), dtype=float32)
    
    # 6、进行批处理
    image_batch = tf.train.batch([image_resize], batch_size=20, num_threads=1, capacity=20)
    print(image_batch)  # Tensor("batch:0", shape=(20, 200, 200, 3), dtype=float32)
    
    
    # 开启会话运行结果
    with tf.Session() as sess:
        # 创建一个线程协调器
        coord = tf.train.Coordinator()
    
        # 开启读文件的子线程
        threads = tf.train.start_queue_runners(sess, coord=coord)
    
        # 打印读取的内容
        print(sess.run(image_batch))
        '''
        [[[[2.27000000e+02 2.17000000e+02 2.05000000e+02]
           [2.27750000e+02 2.17750000e+02 2.05750000e+02]
           [2.28500000e+02 2.18500000e+02 2.06500000e+02]
           ...
           [1.66420410e+02 1.49420410e+02 1.29420410e+02]
           [1.77060059e+02 1.60060059e+02 1.40060059e+02]
           [1.76989990e+02 1.59989990e+02 1.39989990e+02]]]]
        '''
    
        # 结束子线程
        coord.request_stop()
        # 等待子线程结束
        coord.join(threads)

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70]: /images/20220312/c93d3633f2404e538575b26fefba8761.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 1]: /images/20220312/2adb0227deba497293eb3d0b8a34e864.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 2]: /images/20220312/ec5f939d4eba4c1c82981d61bb1525dc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 3]: /images/20220312/0d334046e91c448bb5334f189e4bc2cf.png