02、利用tensorflow对图片进行卷积(轮廓信息提取)和池化(膨胀)

东方耀

02、利用tensorflow对图片进行卷积(轮廓信息提取)和池化(膨胀)

1. import matplotlib.pyplot as plt
   
2. import tensorflow as tf
   
3. 
   
4. '''
   
5. 利用tensorflow对图片进行卷积(轮廓信息提取)和池化(膨胀)
   
6. '''
   
7. 
   
8. 
   
9. def show_image_tensor(image_tensor):
   
10.     # 要求：使用交互式会话
    
11.     # 获取图像tensor对象对应的image对象，image对象时一个[h,w,c]
    
12.     # print(image_tensor)
    
13.     image = image_tensor.eval()
    
14.     # print(image)
    
15.     print("显示时图像大小为:{}".format(image.shape))
    
16.     if len(image.shape) == 3 and image.shape[2] == 1:
    
17.         # 黑白图像
    
18.         plt.imshow(image[:, :, 0], cmap='Greys_r')
    
19.         plt.show()
    
20.     elif len(image.shape) == 3:
    
21.         # 彩色图像
    
22.         plt.imshow(image)
    
23.         plt.show()
    
24. 
    
25. 
    
26. sess = tf.InteractiveSession()
    
27. path = '0.jpg'
    
28. 
    
29. # 读取图像数据并转换为[height, weight, channels]的格式   HWC
    
30. img = tf.image.decode_jpeg(tf.read_file(path), 3)
    
31. # 图像重置大小   nearest_neighbor
    
32. img = tf.image.resize_images(img, size=(300, 300), method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)
    
33. # 将图像转换为黑白的图像
    
34. img = tf.image.rgb_to_grayscale(img)
    
35. old_img = img
    
36. 
    
37. # 边缘/轮廓信息提取  多次卷积 滤波器的作用 filter
    
38. img = tf.cast(img, dtype=tf.float32)
    
39. # NHWC
    
40. img = tf.expand_dims(img, 0)
    
41. 
    
42. show_image_tensor(img[0])
    
43. 
    
44. for i in range(1):
    
45.     sobel_gx = [-1, 0, +1, 0, 0, 0, -1, 0, +1]
    
46.     # 卷积核是常量
    
47.     conv2d_filter = tf.constant(value=sobel_gx, dtype=tf.float32, shape=[3, 3, 1, 1])
    
48.     # [filter_height, filter_width, in_channels, out_channels]
    
49.     img = tf.nn.conv2d(img, filter=conv2d_filter, strides=[1, 1, 1, 1], padding='SAME')
    
50. 
    
51. 
    
52. show_image_tensor(img[0])
    
53. 
    
54. # 二值化，小于等于170的设置为0 黑色，大于170设置为255 白色
    
55. img = tf.where(tf.less_equal(img, 170), tf.zeros_like(img), tf.ones_like(img) * 255)
    
56. 
    
57. # 将白色的区域(车牌区域就是白色的)，
    
58. # 扩大/膨胀的意思是：将这些白色区域的周边也变成白色的 ==> 只需要做一个maxpool
    
59. # 前面已经二值化了 0 或 255(白色)  最大池化：会将白色的周边也变白色 因为255最大
    
60. # 多做几次最大池化：膨胀得越大
    
61. # 注意池化核大小的变化：(2, 3) 车牌的区域也是长方形的
    
62. # img = tf.expand_dims(img, 0)
    
63. 
    
64. show_image_tensor(img[0])
    
65. 
    
66. # 膨胀
    
67. for i in range(2):
    
68.     # 池化核的大小：2*3
    
69.     img = tf.nn.max_pool(img, ksize=(1, 2, 3, 1), strides=(1, 1, 1, 1), padding='SAME')
    
70. 
    
71. show_image_tensor(img[0])
    
72. 
    
73. # 修图：将有一些膨胀不太好的地方，还原成黑色
    
74. # 0 255 变成 0 -255 前面已经二值化了
    
75. # 池化核大小:（3, 1）  在抑制纵轴方向的膨胀呢
    
76. img = tf.nn.max_pool(img * -1, ksize=(1, 3, 1, 1), strides=(1, 1, 1, 1), padding='SAME')
    
77. img = img * -1
    
78. 
    
79. show_image_tensor(img[0])
    
80. 
    
81. # 继续膨胀
    
82. for i in range(5):
    
83.     # 池化核大小:（1, 5）  加码横轴方向的膨胀
    
84.     img = tf.nn.max_pool(img, ksize=(1, 1, 5, 1), strides=(1, 1, 1, 1), padding='SAME')
    
85. 
    
86. 
    
87. img = img[0]
    
88. print(img.get_shape())
    
89. show_image_tensor(img)

复制代码