关于tf.image.resize_images的一个小问题

首选我们需要加载一张原图，然后使用对应格式解码，从而得到图像对应的三维矩阵

image_raw_data = tf.gfile.FastGFile('pic.jpg', 'r').read()
img_data = tf.image.decode_jpeg(image_raw_data)

由于我这里的图片是jpg格式的，因此使用了decode_jpeg，TensorFlow还提供了tf.image.decode_png来处理png格式的图片。

处理完之后的img_data数据格式是uint8类型的。可以直接使用tf.image.encode_jpeg(img_data)在编码回去，

然后保存成新的图片，新图和原图肯定是一直的。

但是涉及到使用使用图片大小调整的时候就可能遇到一个小问题。

图片大小调整函数为 tf.image.resize_images 。

首先这是关于该函数的一个介绍。

resized = tf.image.resize_images(img_data, (300, 300), method=0)

该函数第三个参数是选择一种算法，使得新图像尽量保存原始图上的所有信息。

有四种算法，这里不是讲算法的，就不说算法的内容了。

用的时候，会发现，由于原本是uint8类型的数据，只有method=1的时候，选择最近邻居法，

也就是 `ResizeMethod.NEAREST_NEIGHBOR` 的时候，可接受uint8类型，

其它算法，如果显示图像，都会发现不是正常内容。

显示图像的代码如下：

import matplotlib.pyplot as plt

plt.imshow(resized.eval())
plt.show()

不正常的原因就是，另外三个算法接受的数据类型应该是 tf.float32类型，而不是tf.uint8类型。

这时就需要，将数据类型进行一下转化。

TensorFlow提供了 tf.image.convert_image_dtype 函数来转换图像对应矩阵数据类型。

因此，想要使用其它几个函数显示图像的话，就需要先转换一下数据类型。

img_data = tf.image.convert_image_dtype(img_data, dtype=tf.float32)

这样其它三个函数就能正常显示。当然如果这是修改method=1，你会发现代码会报错。数据类型不对。

所以根据你需要的算法，修改数据类型即可。

然后又会碰到新的问题。当你想要存储这张图片的时候，又会发现数据编码有问题。

encoded_image = tf.image.encode_jpeg(resized)

那是什么原因呢？仔细看上面解码处的逻辑，

使用 tf.image.decode_jpeg 解码出来的数据类型是uint8的，但是这会儿编码数据类型又是float32的，

数据类型对不上，大概率会出错。

那怎么办呢？再使用刚介绍的数据类型转换函数处理一下，把数据类型转换为uint8即可。

至此就没有问题了。

把完整的逻辑代码贴出来：

import matplotlib.pyplot as plt
import tensorflow as tf

# 读取图像的原始数据
image_raw_data = tf.gfile.FastGFile('./cat.jpg', 'r').read()

with tf.Session() as sess:
    # 将图像使用jpeg的格式解码从而得到图像对应的三维矩阵
    # TensorFlow还提供了tf.image.decode_png函数对png格式的图像进行解码
    # 解码之后的结果为一个张量 在使用它的取值之前需要明确调用运行的过程
    img_data = tf.image.decode_jpeg(image_raw_data)

    # 使用pyplot工具可视化得到的图像 
    plt.imshow(img_data.eval())
    plt.show()

    # 将数据的类型转化成实数方便下面的样例程序对图片进行处理
    img_data = tf.image.convert_image_dtype(img_data, dtype=tf.float32)

    # 通过tf.image.resize_images函数调整图像的大小。这个函数第一个参数为原始图像
    # 第二个和第三个参数为调整后的图像的大小，method参数给出了调整图像大小的算法
    resized = tf.image.resize_images(img_data, (300, 300), method=0)

    # 输出调整后图像的大小 此处结果为(300, 300, ?) 表示图像的大小为 300*300
    # 但图像的深度在没有明确设置之前会是?
    print(resized.get_shape())

    # 双线性插值法 数据类型需要是float32
    plt.imshow(resized.eval())
    plt.show()

    # 编码时需要是uint8类型 所以需要先转化一下数据类型
    resized = tf.image.convert_image_dtype(resized, dtype=tf.uint8)
    encoded_image = tf.image.encode_jpeg(resized)
    # 保存新图片
    with tf.gfile.GFile('./cp.jpg', 'wb') as f:
        f.write(encoded_image.eval())