本文章主要介绍了Python基于Tensor FLow的图像处理操作，结合实例形式分析了Python基于Tensor FLow操作图像解码、缩放、剪切、翻转、调整对比度、明度、饱和度等相关操作技巧，需要的朋友可以参考下！！！
PS：在对图像进行深度学习时，有时可能图片的数量不足，或者希望网络进行更多的学习，这时可以对现有的图片数据进行处理使其变成一张新的图片，在此基础上进行学习，从而提高网络识别的准确率。
1、图像解码显示
利用matplot库可以方便简洁地在jupyter内对图片进行绘制与输出，首先通过tf.gfile打开图片文件，并利用函数tf.image.decode_jpeg将jpeg图片解码为三位矩阵，之后便可以通过matplot绘制与显示图片信息了
可以看到打印的图片三维矩阵信息和显示的图片：
2、图像缩放
tensorflow还自带了许多图像处理函数，比如resize_image对图片进行大小的缩放。其中第一个参数代表图片数据源，第二个数组代表缩放后的大小，第三个method代表采用的缩放方法，默认0是双线性插值法。
- 代表最近邻插值法
- 代表双立方插值法
- 代表像素区域插值法
3、图像裁切
函数tf.image.resize_image_with_crop_or_pad可以在保证图片原始比例的条件下对图片进行裁切或填充。
函数tf.image.random_crop是随机对图片进行选取裁剪，而不是以中心。
resize_image_with_crop_or_pad第一个参数是图片资源，后两个参数是裁切后的图片大小，当原始图片大于目标值时将裁去两边多余部分，当图片小于目标值时将用黑色填充，例如上图左右被裁剪，上下用黑色填充。
random_crop第一个参数是图片资源，第二个参数是一个三位张量，代表目标图像大小。
4、图像翻转
通过函数实现图片的上下、左右翻转，在模型训练时，可以将原本的样本图片进行反转，作为新的特征值进行输入供模型训练。
5、调整对比度、明度、饱和度
通过tf.image.adjust_contrast可以对图像对比度进行调整，当参数大于1代表加深，小于1代表减淡
tf.image.random_contrast可以在指定范围内随即调整对比度
类似的还有adjust_brightness、adjust_saturation、adjust_hue对明度、饱和度、色相进行调整
6、对VGG网络的输入图片进行处理
Vgg网络训练中传入的图片参数x_img是以batch_size为单位的四维数据，例如传入20张32×32的3通道图片，其数据为[20,32,32,3]。但是tensorflow的图片处理函数只可以处理三维的单张图片。因此需要首先通过split()函数将20张图片拆分成单张[1,32,32,3]，再通过reshape()函数转化为三维数据[32,32,3]，之后再调用图片处理函数对图片进行处理，将处理后的图片恢复成四维，然后放在数组res_arr中，拼接成原来的一组20×32×32×3的数据。
希望本文所述对大家Python程序设计有所帮助。
