使用TensorFlow进行简单的图像处理

川长思鸟来 2022-06-01 05:13 242阅读 0赞

## 使用TensorFlow进行简单的图像处理 ##

### 概述 ###

作为计算机视觉开发者，使用TensorFlow进行简单的图像处理是基本技能，而TensorFlow在tf.image包中支持对图像的常见的操作包括：

*  亮度调整
 *  对比度调整
 *  饱和度调整
 *  图像采样插值放缩
 *  色彩空间转换
 *  Gamma校正
 *  标准化

图像的读入与显示我们通过OpenCV来实现，这里需要注意一点，OpenCV中图像三个通道是BGR，如果你是通过tensorflow读取的话三个通过顺序是RGB。图像读取的代码如下：

1.opencv方式

src = cv.imread("D:/vcprojects/images/meinv.png")

2.tensorflow方式

jpg = tf.read_file("D:/vcprojects/images/yuan_test.png")
    img = tf.image.decode_jpeg(jpg, channels=3)

3.使用OpenCV显示图像

def show_image(image, title='input'):
        print("result : \n", image)
        cv.namedWindow(title, cv.WINDOW_AUTOSIZE)
        cv.imshow(title, image)
        cv.waitKey(0)
        cv.destroyAllWindows()

原图显示如下：  
![这里写图片描述][SouthEast]

#### 1.放缩图像 ####

支持三种方式，分别是临界点插值、双线性插值与双立方插值，不过我发现在使用双立方插值的时候，tensorflow处理之后图像总是会出现一些噪点，这个算不算它的BUG  
\- tf.image.resize\_nearest\_neighbor \# 临界点插值  
\- tf.image.resize\_bilinear \# 双线性插值  
\- tf.image.resize\_bicubic \# 双立方插值算法  
演示代码如下：

src = cv.imread("D:/vcprojects/images/meinv.png")
    cv.imshow("input", src)
    h, w, depth = src.shape
    src = np.expand_dims(src, 0)
    print(src.shape)
    bi_image = tf.image.resize_bilinear(src, size=[h*2, w*2])
    bi_image = tf.squeeze(bi_image)
    bi_result = sess.run(bi_image)
    bi_result = np.uint8(bi_result)
    show_image(bi_result,"bilinear-zoom")

显示图像如下：  
![这里写图片描述][SouthEast 1]

#### 2.图像亮度调整 ####

图像亮度是图像基本属性之一，tensorflow支持两种方式API对图像亮度进行调整  
\- tf.image.adjust\_brightness  
\- tf.image.random\_brightness  
使用上述API的时候需要对图像进行维度添加为四维的tensor数据，完整的图像亮度调整的代码如下：

src = cv.imread("D:/vcprojects/images/meinv.png")
    src = np.expand_dims(src, 0)
    brightness = tf.image.adjust_brightness(src, delta=.5)
    brightness = tf.squeeze(brightness)
    result = sess.run(brightness)
    result = np.uint8(result)
    show_image(result, "brightness demo")

显示图像如下：  
![这里写图片描述][SouthEast 2]

#### 3.图像对比度调整 ####

图像对比度是图像基本属性之一，tensorflow支持两种方式API对图像对比度进行调整  
\- tf.image.adjust\_contrast  
\- tf.image.random\_contrast  
前面一种全局调整，后面一种方式是随机调整，对比度调整的代码演示如下：

src = cv.imread("D:/vcprojects/images/meinv.png")
    src = np.expand_dims(src, 0)
    contrast = tf.image.adjust_contrast(src, contrast_factor=2.2)
    contrast = tf.squeeze(contrast)
    result = sess.run(contrast)
    result = np.uint8(result)
    show_image(result, "contrast demo")

显示图像如下：  
![这里写图片描述][SouthEast 3]

#### 4.图像gamma校正 ####

伽玛校正就是对图像的伽玛曲线进行编辑，以对图像进行非线性色调编辑的方法，检出图像信号中的深色部分和浅色部分，并使两者比例增大，从而提高图像的对比度。相关API为：  
\- tf.image.adjust\_gamma  
常见gamma的取值范围为0.05~5之间，tensorflow实现gamma校正的代码演示如下：

src = cv.imread("D:/vcprojects/images/meinv.png")
    src = np.expand_dims(src, 0)
    contrast = tf.image.adjust_gamma(src, gain=1.0, gamma=4.2)
    contrast = tf.squeeze(contrast)
    result = sess.run(contrast)
    result = np.uint8(result)
    show_image(result, "gamma demo")

显示图像如下：  
![这里写图片描述][SouthEast 4]

#### 5.图像饱和度调整 ####

图像饱和度是图像HSV色彩空间最常见的指标之一，通过调整图像饱和度可以得到更加自然光泽的图像，tensorflow中饱和度调整的API如下：

*  tf.image.adjust\_saturation

常见的饱和度调整范围在0～5之间取值即可，演示代码如下：

src = cv.imread("D:/vcprojects/images/meinv.png")
    contrast = tf.image.adjust_saturation(src, saturation_factor=2.2)
    result = sess.run(contrast)
    result = np.uint8(result)
    show_image(result, "saturation demo")

这里要特别说明一下，饱和度调整不支持4D tensor对象，所以读入的RGB图像即可“\`。无需再次进行维度增加操作。最终调整之后的演示图像如下：  
![这里写图片描述][SouthEast 5]  
6.图像标准化

这个在tensorflow中对图像数据训练之前，经常会进行此步操作，它跟归一化是有区别的。归一化的图像直方图不会改变，标准化会改变图像直方图分布，标准化API如下：  
\- tf.image.per\_image\_standardization  
图像标准化实现代码如下：

src = cv.imread("D:/vcprojects/images/meinv.png")
    contrast = tf.image.per_image_standardization(src)
    result = sess.run(contrast)
    result = np.uint8(result)
    show_image(result, "standardization demo")

演示结果如下：  
![这里写图片描述][SouthEast 6]  
7.图像色彩空间转换

tensorflow支持常见图像色彩空间转换，包括RGB、HSV、灰度色彩空间，相关API如下：  
\- tf.image.rgb\_ to\_hsv  
\- tf.image.rgb\_ to\_grayscale  
\- tf.image.hsv\_ to\_rgb  
将图像从RGB色彩空间转换到灰度空间的代码演示如下：

src = cv.imread("D:/vcprojects/images/meinv.png")
    gray = tf.image.rgb_to_grayscale(src)
    result = sess.run(gray)
    result = np.uint8(result)
    show_image(result, "gray - demo")

结果显示如下：  
![这里写图片描述][SouthEast 7]

#### 小结 ####

tensorflow中还提供一些其他的图像操作相关API，比如裁剪、填充、随机调整亮度、对比度等，还有非最大信号压制等操作，感兴趣的可以自己进一步学习。  
**欢迎关注微信公众号**  
**【OpenCV学堂】**

[SouthEast]: /images/20220601/94e956ab3b134d3fb2ee51b4f9842a13.png
[SouthEast 1]: /images/20220601/e9dd08f0a0ae451b92eebf02a8de8645.png
[SouthEast 2]: /images/20220601/335736e071a24b61a942edcdf8af15e3.png
[SouthEast 3]: /images/20220601/2ab9e9b974c247418eed775c99213ed6.png
[SouthEast 4]: /images/20220601/0733c650f9a3419b8f36870a2ce84d62.png
[SouthEast 5]: /images/20220601/9a19a89f0549490eba824f8555b357fc.png
[SouthEast 6]: /images/20220601/b06368dfeb9e4c2f92bd151d317b2d9d.png
[SouthEast 7]: /images/20220601/b98a9bac593f4a8dbe5cd49e40717400.png