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

来自专栏郭耀华‘s Blog

各种卷积结构原理及优劣总结

卷积神经网络作为深度学习的典型网络,在图像处理和计算机视觉等多个领域都取得了很好的效果。

801
来自专栏人人都是极客

AI芯片之卷积神经网络原理

卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图...

1093
来自专栏瓜大三哥

BP神经网络续1

一、BP网络中的函数 1.创建函数 1) cascadeforwardnet函数 cascadeforwardnet(hiddenSizes,trainFcn)...

2499
来自专栏技术沉淀

02 Learning to Answer Yes/No

从最简单最基础的二分类问题出发,演示一个简单机器学习算法PLA的完整过程,见详细课件。

732
来自专栏人工智能LeadAI

卷积,特征图,转置卷积和空洞卷积的计算细节

最近在做姿态估计的项目,在定制和实现卷积网络的时候发现自己对里面的一些计算细节还不够了解,所以整理了该文章,内容如下:

1403
来自专栏AI研习社

监督学习最常见的五种算法,你知道几个?

在机器学习中,无监督学习(Unsupervised learning)就是聚类,事先不知道样本的类别,通过某种办法,把相似的样本放在一起归位一类;而监督型学习(...

37911
来自专栏量子位

一文了解各种卷积结构原理及优劣

王小新 编译自 Medium 量子位 出品 | 公众号 QbitAI 卷积神经网络作为深度学习的典型网络,在图像处理和计算机视觉等多个领域都取得了很好的效果。 ...

3646
来自专栏魏晓蕾的专栏

【深度学习】深度学习中的一些数学公式

5、交叉熵损失(cross-entropy loss)函数:

21410
来自专栏人工智能头条

卷积神经网络一些问题总结

1604
来自专栏小鹏的专栏

卷积神经网络(CNN):从原理到实现

1.前言 (1)神经网络的缺陷 在神经网络一文中简单介绍了其原理,可以发现不同层之间是全连接的,当神经网络的深度、节点数变大,会导致过拟合、参数过多等问题...

58610

扫码关注云+社区