使用TensorFlow对图像进行随机旋转的实现示例_Python

使用TensorFlow对图像进行随机旋转的实现示例

2020-04-09 12:17LiangJun.py Python

这篇文章主要介绍了使用TensorFlow对图像进行随机旋转的实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

在使用深度学习对图像进行训练时，对图像进行随机旋转有助于提升模型泛化能力。然而之前在做旋转等预处理工作时，都是先对图像进行旋转后保存到本地，然后再输入模型进行训练，这样的过程会增加工作量，如果图片数量较多，生成旋转的图像会占用更多的空间。直接在训练过程中便对图像进行随机旋转，可有效提升工作效率节省硬盘空间。

使用TensorFlow对图像进行随机旋转如下：

TensorFlow版本为1.13.1

				?

									#-*- coding:utf-8 -*-

									'''

									  使用TensorFlow进行图像的随机旋转示例

									'''

									import tensorflow as tf

									import numpy as np

									import cv2

									import matplotlib.pyplot as plt

									img = cv2.imread('tf.jpg')

									img = cv2.resize(img,(220,220))

									img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

									def tf_rotate(input_image, min_angle = -np.pi/2, max_angle = np.pi/2):

									  '''

									  TensorFlow对图像进行随机旋转

									  :param input_image: 图像输入

									  :param min_angle: 最小旋转角度

									  :param max_angle: 最大旋转角度

									  :return: 旋转后的图像

									  '''

									  distorted_image = tf.expand_dims(input_image, 0)

									  random_angles = tf.random.uniform(shape=(tf.shape(distorted_image)[0],), minval = min_angle , maxval = max_angle)

									  distorted_image = tf.contrib.image.transform(

									    distorted_image,

									    tf.contrib.image.angles_to_projective_transforms(

									      random_angles, tf.cast(tf.shape(distorted_image)[1], tf.float32), tf.cast(tf.shape(distorted_image)[2], tf.float32)

									    ))

									  rotate_image = tf.squeeze(distorted_image, [0])

									  return rotate_image

									global_init = tf.global_variables_initializer()

									with tf.Session() as sess:

									  init = tf.initialize_local_variables()

									  sess.run([init, global_init])

									  coord = tf.train.Coordinator()

									  threads = tf.train.start_queue_runners(coord=coord)

									  image = tf.placeholder(shape=(220, 220, 3), dtype=tf.float32)

									  rotate_image = tf_rotate(image, -np.pi/2, np.pi/2)

									  output = sess.run(rotate_image, feed_dict={image:img})

									  # print('output:',output)

									  plt.imshow(output.astype('uint8'))

									  plt.title('rotate image')

									  plt.show()