TensorFlow实现图像卷积并可视化示例

图片尺寸要自己修改。

看起来好像没啥意思，不知道下一步能干什么，先卷了再说。由于weights是随机生成的（tf.random_normal作用：用于从服从指定正太分布的数值中取出随机数），所以每次卷积后的图像会不一样。

代码：

def func19(img_path):
    # 读取图片，矩阵化，转换为张量
    img_data = cv2.imread(img_path)
    img_data = tf.constant(img_data, dtype=tf.float32)

    print(img_data.shape)

    # 将张量转化为4维
    img_data = tf.reshape(img_data, shape=[1, 454, 700, 3])
    print(img_data.shape)

    # 权重（也叫filter、过滤器）
    weights = tf.variable(tf.random_normal(shape=[2, 2, 3, 3] , dtype=tf.float32))
    print(weights.shape)

    # 卷积
    conv = tf.nn.conv2d(img_data, weights, strides=[1, 3, 3, 1], padding='same')
    print(conv.shape)

    img_conv = tf.reshape(conv, shape=[152, 234, 3])
    print(img_conv.shape)

    img_conv = tf.nn.relu(img_conv)

    with tf.session() as sess:
        # 全局初始化
        sess.run(tf.global_variables_initializer())

        img_conv = sess.run(img_conv)
        plt.title('conv')
        plt.imshow(img_conv)
        plt.show()

    return

if __name__ == '__main__':
    img_path = r'你的图片路径'
    func19(img_path)

 

原图（尺寸：(454, 700, 3)）：

 

 

 

效果（尺寸： (152, 234, 3) ）：