學習筆記TF015:加載圖像、圖像格式、圖像操做、顏色

TensorFlow支持JPG、PNG圖像格式，RGB、RGBA顏色空間。圖像用與圖像尺寸相同(height*width*chnanel)張量表示。通道表示爲包含每一個通道顏色數量標量秩1張量。圖像全部像素存在磁盤文件，須要被加載到內存。

圖像加載與二進制文件相同。圖像須要解碼。輸入生成器(tf.train.string_input_producer)找到所需文件，加載到隊列。tf.WholeFileReader加載完整圖像文件到內存，WholeFileReader.read讀取圖像，tf.image.decode_jpeg解碼JPEG格式圖像。圖像是三階張量。RGB值是一階張量。加載圖像格式爲[batch_size,image_height,image_width,channels]。批數據圖像過大過多，佔用內存太高，系統會中止響應。

大尺寸圖像輸入佔用大量系統內存。訓練CNN須要大量時間，加載大文件增長更多訓練時間，也難存放多數系統GPU顯存。大尺寸圖像大量無關本徵屬性信息，影響模型泛化能力。

tf.image.decode_jpeg解碼JPEG格式圖像。tf.image.decode_png解碼PNG格式圖像。 差異在alpha(透明度)信息。移除區域alpha值設0,有助於標識。JPEG圖像頻繁操做會留下僞影(atrifact)。PNG格式無損壓縮，保留原始文件所有信息(被縮放或降採樣除外)，文件體積較大。

TensorFlow內置文件格式TFRecord，二進制數據和訓練類別標籤數據存儲在同一文件。模型訓練前圖像轉換爲TFRecord格式。TFRecord文件是protobuf格式。數據不壓縮，可快速加載到內存。

獨熱編碼(one-hot encoding)格式，表示多類分類(單)標籤數據。圖像加載到內存，轉換爲字節數組，添加到tf.train.Example文件，SerializeToString 序列化爲二進制字符，保存到磁盤。序列化將內存對象轉換爲可安全傳輸文件格式，可被加載，可被反序列化爲樣本格式。直接加載TFRecord文件，能夠節省訓練時間。支持寫入多個樣本。

TFRecordReader對象讀取TFRecord文件。tf.parse_single_example不解碼圖像，解析TFRecord，圖像按原始字節讀取(tf.decode-raw)。tf.reshape調整形狀，使佈局符合tf.nn.conv2d要求([image_height,image_width,image_channels])。tf.expand擴展維數，把batch_size維添加到input_batch。tf.equal檢查是否加載同一圖像。sess.run(tf.cast(tf_record_features['label'], tf.string))查看從TFRecord文件加載的標籤。使用圖像數據推薦使用TFRecord文件存儲數據與標籤。作好圖像預處理並保存結果。

最好在預處理階段完成圖像操做，裁剪、縮放、灰度調整等。圖像加載後，翻轉、扭曲，使輸入網絡訓練信息多樣化，緩解過擬合。Python圖像處理框架PIL、OpenCV。TensorFlow提供部分圖像處理方法。裁剪,tf.image.central_crop，移除圖像區域，徹底丟棄其中信息，與tf.slice(移除張量份量)相似,基於圖像中心返回結果。訓練時，若是背景有用，tf.image.crop_to_bounding_box(只接收肯定形狀張量，輸入圖像須要事先在數據流圖運行) 隨機裁剪區域起始位置到圖像中心的偏移量。

tf.image.pad_to_bounding_box 用0填充邊界，使輸入圖像符合指望尺寸。尺寸過大太小圖像，邊界填充灰度值0像素。tf.image.resize_image_with_crop_or_pad，相對圖像中心，裁剪或填充同時進行。

翻轉，每一個像素位置沿水平或垂真方向翻轉。隨機翻轉圖像，能夠防止過擬合。tf.slice選擇圖像數據子集。tf.image.flip_left_right 完成水平翻轉。tf.image.flip_up_down 完成垂直翻轉。seed參數控制翻轉隨機性。

編輯過圖像訓練，誤導CNN模型。屬性隨機修改，使CNN精確匹配編輯過或不一樣光照圖像特徵。tf.image.adjust_brightness 調整灰度。tf.image.adjust_contrast 調整對比度。調整對比度，選擇較小增量，避免「過曝」，達到最大值沒法恢復，可能全白全黑。tf.slice 突出改變像素。tf.image.adjust_hue 調整色度，色彩更豐富。delta參數控制色度數量。tf.image.adjust_saturation 調整飽和度，突出顏色變化。

單一顏色圖像，灰度顏色空間，單顏色通道，只須要單個份量秩1張量。縮減顏色空間能夠加速訓練。灰度圖具備單個份量，取值範圍[0,255]。tf.image.rgb_to_grayscale 把RGB圖像轉換爲灰度圖。灰度變換，每一個像素全部顏色值取平均。tf.image.rgb_to_hsv RGB圖像轉換爲HSV， 色度、飽和度、灰度構成HSV顏色空間，3個份量秩1張量。更貼近人類感知屬性。HSB，B亮度值。tf.image.hsv_to_rgb HSV圖像轉換爲RGB，tf.image.grayscale_to_rgb 灰度圖像轉換爲RGB。python-colormath提供LAB顏色空間，顏色差別映射貼近人類感知，兩個顏色歐氏距離反映人類感覺的顏色差別。

tf.image.convert_image_dtype(image, dtype,saturate=False) 圖像數據類型變化，像素值比例變化。

 

    import tensorflow as tf
    sess = tf.Session()
    red = tf.constant([255, 0, 0])
    file_names = ['./images/chapter-05-object-recognition-and-classification/working-with-images/test-input-image.jpg']
    filename_queue = tf.train.string_input_producer(file_names)
    image_reader = tf.WholeFileReader()
    _, image_file = image_reader.read(filename_queue)
    image = tf.image.decode_jpeg(image_file)
    sess.run(tf.global_variables_initializer())
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess,coord=coord)
    print sess.run(image)
    filename_queue.close(cancel_pending_enqueues=True)
    coord.request_stop()
    coord.join(threads)
    print "------------------------------------------------------"
    image_label = b'\x01'
    image_loaded = sess.run(image)
    image_bytes = image_loaded.tobytes()
    image_height, image_width, image_channels = image_loaded.shape
    writer = tf.python_io.TFRecordWriter("./output/training-image.tfrecord")
    example = tf.train.Example(features=tf.train.Features(feature={
            'label': tf.train.Feature(bytes_list=tf.train.BytesList(value=[image_label])),
            'image': tf.train.Feature(bytes_list=tf.train.BytesList(value=[image_bytes]))
        }))
    print example
    writer.write(example.SerializeToString())
    writer.close()
    print "------------------------------------------------------"
    tf_record_filename_queue = tf.train.string_input_producer(["./output/training-image.tfrecord"])
    tf_record_reader = tf.TFRecordReader()
    _, tf_record_serialized = tf_record_reader.read(tf_record_filename_queue)
    tf_record_features = tf.parse_single_example(
    tf_record_serialized,
    features={
        'label': tf.FixedLenFeature([], tf.string),
        'image': tf.FixedLenFeature([], tf.string),
        })
    tf_record_image = tf.decode_raw(
        tf_record_features['image'], tf.uint8)
    tf_record_image = tf.reshape(
        tf_record_image,
        [image_height, image_width, image_channels])
    print tf_record_image
    tf_record_label = tf.cast(tf_record_features['label'], tf.string)
    print tf_record_label
    print "------------------------------------------------------"
    sess.close()
    sess = tf.Session()
    sess.run(tf.global_variables_initializer())
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess,coord=coord)
    print sess.run(tf.equal(image, tf_record_image))
    sess.run(tf_record_label)
    coord.request_stop()
    coord.join(threads)
    print "------------------------------------------------------"
    print sess.run(tf.image.central_crop(image, 0.1))
    real_image = sess.run(image)
    bounding_crop = tf.image.crop_to_bounding_box(
        real_image, offset_height=0, offset_width=0, target_height=2, target_width=1)
    print sess.run(bounding_crop)
    print "------------------------------------------------------"
    real_image = sess.run(image)
    pad = tf.image.pad_to_bounding_box(
        real_image, offset_height=0, offset_width=0, target_height=4, target_width=4)
    print sess.run(pad)
    print "------------------------------------------------------"
    crop_or_pad = tf.image.resize_image_with_crop_or_pad(
        real_image, target_height=2, target_width=5)
    print sess.run(crop_or_pad)
    print "------------------------------------------------------"
    sess.close()
    sess = tf.Session()
    top_left_pixels = tf.slice(image, [0, 0, 0], [2, 2, 3])
    flip_horizon = tf.image.flip_left_right(top_left_pixels)
    flip_vertical = tf.image.flip_up_down(flip_horizon)
    sess.run(tf.global_variables_initializer())
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess,coord=coord)
    print sess.run([top_left_pixels, flip_vertical])
    print "------------------------------------------------------"
    top_left_pixels = tf.slice(image, [0, 0, 0], [2, 2, 3])
    random_flip_horizon = tf.image.random_flip_left_right(top_left_pixels)
    random_flip_vertical = tf.image.random_flip_up_down(random_flip_horizon)
    print sess.run(random_flip_vertical)
    print "------------------------------------------------------"
    example_red_pixel = tf.constant([254., 2., 15.])
    adjust_brightness = tf.image.adjust_brightness(example_red_pixel, 0.2)
    print sess.run(adjust_brightness)
    print "------------------------------------------------------"
    adjust_contrast = tf.image.adjust_contrast(image, -.5)
    print sess.run(tf.slice(adjust_contrast, [1, 0, 0], [1, 3, 3]))
    print "------------------------------------------------------"
    adjust_hue = tf.image.adjust_hue(image, 0.7)
    print sess.run(tf.slice(adjust_hue, [1, 0, 0], [1, 3, 3]))
    print "------------------------------------------------------"
    adjust_saturation = tf.image.adjust_saturation(image, 0.4)
    print sess.run(tf.slice(adjust_saturation, [1, 0, 0], [1, 3, 3]))
    print "------------------------------------------------------"
    gray = tf.image.rgb_to_grayscale(image)
    print sess.run(tf.slice(gray, [0, 0, 0], [1, 3, 1]))
    print "------------------------------------------------------"
    hsv = tf.image.rgb_to_hsv(tf.image.convert_image_dtype(image, tf.float32))
    print sess.run(tf.slice(hsv, [0, 0, 0], [3, 3, 3]))
    print "------------------------------------------------------"
    rgb_hsv = tf.image.hsv_to_rgb(hsv)
    rgb_grayscale = tf.image.grayscale_to_rgb(gray)
    print rgb_hsv, rgb_grayscale
    print "------------------------------------------------------"

 

參考資料：
《面向機器智能的TensorFlow實踐》

歡迎加我微信交流：qingxingfengzi個人微信公衆號:qingxingfengzigz我老婆張幸清的微信公衆號：qingqingfeifangz