tensorflow 缩小放大图片的多种操作

图像大小的调整方式：在Tensorflow中通过tf.image.resize_images函数实现；

1.双线性插值算法（Bilinear interpolation）;Method取值为：0；

2.最近邻居法（Nearest  neighbor interpolation);Method取值为：1；

3.双三次插值法（Bicubic interpolation);Method取值为：2；

4.面积插值法（Area interpolation) ;Method取值为：3；

import matplotlib.pyplot as plt



import tensorflow as tf



import numpy as np



 



image_raw_data = tf.gfile.GFile(‘D:/path/to/picture/8.jpg’,’rb’).read()   #加载原始图像



 



with tf.Session() as sess:



    img_data = tf.image.decode_jpeg(image_raw_data)



    plt.imshow(img_data.eval())



    plt.show()



 



    resized = tf.image.resize_images(img_data, [300,300],method=0)  #第一个参数为原始图像，第二个参数为图像大小，第三个参数给出了指定的算法



    resized = np.asarray(resized.eval(),dtype=’uint8’)



    plt.imshow(resized)



    plt.show()



 



    croped = tf.image.resize_image_with_crop_or_pad(img_data,200,200)    #目标图像大小<原始图像的大小，则截取原始图像的居中部分，




    padded = tf.image.resize_image_with_crop_or_pad(img_data,800,800)    #目标图像大小>原始图像的大小，则会在原始图像的四周填充全为0背景



    plt.imshow(croped.eval())



    plt.show()



    plt.imshow(padded.eval())



    plt.show()



 



    central_cropped = tf.image.central_crop(img_data,0.5)                #按照比例裁剪图像，第二个参数为调整比例，比例取值[0,1]



    plt.imshow(central_cropped.eval())



    plt.show()

在上述代码中，通过tf.image.resize_images函数调整图像的大小。

并且Tensorflow提供API对图像进行裁剪或者填充，当目标图像大小小于原始图像的大小时，则需要裁剪原始图像

                                                                                           当目标图像大小在大于原始图像的情况下，则需要填充原始图像四周

最后还可以通过函数tf.image.central_crop()来按照比例调整图像大小；

上述代码实验结果图为：

                  原始图像：                tf.image.resize_images(img_data, [300,300],method=0)     tf.image.resize_image_with_crop_or_pad(img_data,200,200)

                       

tf.image.resize_image_with_crop_or_pad(img_data,800,800)                       tf.image.central_crop(img_data,0.5)

                                                                            

            </div>