TensorFlow 图像处理和解码操作函数概述

TensorFlow提供提供了42个图像处理相关的函数,主要涉及解码编码,简单的图像几何变换等等。比较有特点的一个方面是有很多随机性的操作,主要增加模型的泛化能力。

原地址:Module: tf.image 定义在:tensorflow/python/ops/image_ops.py 图像处理和解码操作。 查看TensorFlow Images指南。

类:

class ResizeMethod

功能:

adjust_brightness(...): 调整RGB图像或灰度图的亮度。

adjust_contrast(...): 调整RGB图像或灰度图的对比度。

adjust_gamma(...): 在输入图像上执行伽玛校正。

adjust_hue(...): 调整RGB图像的色调。

adjust_saturation(...): 调整RGB图像的饱和度。

central_crop(...): 从图像的中央区域裁剪图像。

convert_image_dtype(...): 将图像转换为dtype,如果需要,缩放其值。

crop_and_resize(...): 对输入图像做剪裁并通过插值方法调整尺寸。

crop_to_bounding_box(...): 指定边界的裁剪图像。

decode_gif(...): 将GIF编码图像的第一帧解码为 uint8 tensor。

decode_image(...): 图像解码操作,包含了 decode_gif, decode_jpeg,和 decode_png。

decode_jpeg(...): 将jpeg编码图像解码为 uint8 tensor。

decode_png(...): 将png编码图像解码为 uint16 tensor。

draw_bounding_boxes(...): 在一个batch的图像上绘制边框。

encode_jpeg(...): JPEG图像编码。

encode_png(...): PNG图像编码。

extract_glimpse(...): 从指定的位置提取指定尺寸的区域,如果超过了原图像的尺寸,将随机填充。

flip_left_right(...): 水平翻转图像 。

flip_up_down(...): 上下翻转图像。

grayscale_to_rgb(...): 单个或多个图像灰度转RGB。

hsv_to_rgb(...): 单个或多个图像HSV转RGB。

non_max_suppression(...): 根据分数降序选择边界框,分数是一个输入,函数别没有计算分数的规则,其实只是提供了一种降序选择操作。

pad_to_bounding_box(...): 补零,将图像填充到指定的宽高。

per_image_standardization(...): 图像标准化(不是归一化)。

random_brightness(...): 通过随机因子调整图像的亮度。

random_contrast(...): 通过随机因子调整图像的对比度。

random_flip_left_right(...): 随机水平翻转图像。

random_flip_up_down(...): 随机上下翻转图像。

random_hue(...): 通过随机因子调整RGB图像的色调。

random_saturation(...):通过随机因子调整RGB图像的饱和度。

resize_area(...): 应用区域插值调整图像尺寸。

resize_bicubic(...): 应用双三次插值调整图像尺寸。

resize_bilinear(...): 应用双线性内插值调整图像尺寸。

resize_nearest_neighbor(...): 应用最邻近插值调整图像尺寸。

resize_images(...): 使用指定的方法调整图像尺寸(其实包含的是上面四种插值方法)。

resize_image_with_crop_or_pad(...): 根据目标图像的宽高(自动)裁剪或填充图像。

rgb_to_grayscale(...): 单个或多个图像RGB转灰度图。

rgb_to_hsv(...): 单个或多个图像RGB转HSV。

rot90(...): 将图像逆时针旋转90度。

sample_distorted_bounding_box(...): 为图像生成单个随机变形的边界框。

total_variation(...): 计算一个图像或多个图像的总体变动(输入图像中相邻像素值的绝对差异) transpose_image(...): 交换图像的第一维和第二维(输入要求是3D,没有batch,也就是宽和高的变换)

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏决胜机器学习

深层神经网络参数调优(二) ——dropout、题都消失与梯度检验

深层神经网络参数调优(二)——dropout、题都消失与梯度检验 (原创内容,转载请注明来源,谢谢) 一、dropout正则化 中文是随机失活正则化,这个是一...

3655
来自专栏机器学习原理

机器学习(10)——线性SVM

支持向量机 Support vecor machine,SVM)本身是一个二元分类算法,是对感知器算法模型的一种扩展,现在的SVM算法支持线性分类和非线性分类的...

35210
来自专栏PPV课数据科学社区

Tensorflow入门-白话mnist手写数字识别

文章目录 mnist数据集 简介 图片和标签 One-hot编码(独热编码) 神经网络的重要概念 输入(x)输出(y)、标签(label) 损失函数(loss ...

44010
来自专栏人工智能LeadAI

译文 | 与TensorFlow的第一次接触 第四章:单层神经网络

在前言中,已经提到经常使用深度学习的领域就是模式识别。编程初学者都是从打印“Hello World”开始,深度学习中我们则是从识别手写数字开始。 本章中,我会讲...

37411
来自专栏瓜大三哥

径向基神经网络续1

一、径向基神经网络的函数 1.创建函数 (1) newrb函数 该函数用于设计一个径向基神经网络: [net,tr]=newrb(P,T,goal,sprea...

2195
来自专栏fangyangcoder

Andrew Ng机器学习课程笔记(二)之逻辑回归

http://www.cnblogs.com/fydeblog/p/7364636.html

873
来自专栏ATYUN订阅号

【行业】2018年你应该知道的十大机器学习算法

本文简要介绍一些最常用的机器学习算法,没有代码,没有抽象理论,只有图片和一些如何使用它们的例子。

1044
来自专栏生信小驿站

使用R语言进行机器学习特征选择②

特征工程其实是一个偏工程的术语,在数据库领域可能叫做属性选择,而在统计学领域叫变量选择,其实是一个意思:即最大限度地从原始数据中提取有用信息以供算法和模型使用,...

792
来自专栏AI研习社

一文详解神经网络 BP 算法原理及 Python 实现

最近这段时间系统性的学习了 BP 算法后写下了这篇学习笔记,因为能力有限,若有明显错误,还请指正。 什么是梯度下降和链式求导法则 假设我们有一个函数 J(w...

4835
来自专栏wOw的Android小站

[Tensorflow] Tensorflow卷积理解

CNN对于学习深度学习的人来说应该是比较耳熟的名词了.但很多人只是听过,但不知道是什么.

1552

扫码关注云+社区