深度学习可以解决很多人类看似不可能的有趣问题，但它带来了成本。我们需要大量的数据和计算能力来训练深度神经网络。 　　

　　

　　为了解决数据问题，我们可以使用数据增强。扩展也需要大量的计算，因为我们可能需要添加数百万张图像。处理这个问题可以用tensorflow.image，它提供了一些基本的图像函数，所有的计算都是在GPU上完成的。 　　

　　

　　

1.加载图像

　　

　　

　　 Tensorflow图像函数期望传输的图像是张量。让我们加载一张图片，并将其转换为张量： 　　

　　

　　img=matplotlib . py plot . im read('/img _ path ') 　　

　　

　　tf_img=tf.convert_to_tensor 　　

　　

　　 　　

　　

　　

2.应用增量

　　

　　

　　在这里，我们将看到可以应用于图像的不同类型的增强。 　　

　　

　　翻转图像 　　

　　

　　水平翻转： 　　

　　

　　brright _ img=TF . image . flip _ left _ right(TF _ img) 　　

　　

　　 　　

　　

　　垂直翻转： 　　

　　

　　brright _ img=TF . image . flip _ up _ down(TF _ img) 　　

　　

　　 　　

　　

　　随机翻转：你的图像有1 . 5%的几率水平或垂直翻转。 　　

　　

　　brright _ img=TF . image . random _ flip _ left _ right(TF _ img) 　　

　　

　　br right _ img=TF . image . random _ flip _ up _ down(TF _ img) 　　

　　

　　或者，您也可以使用tf.reverse Tf.reverse接受一个附加参数，即轴，它定义图像沿x或y轴翻转的位置。 　　

　　

　　Br _ img=tf.reverse (tf _ img，axis=0) # flip 　　

　　

　　Br _ img=tf.reverse (tf _ img，axis=1) #水平翻转 　　

　　

　　图像旋转 　　

　　

　　Tensorflow提供tensorflow.image.rot90()函数，可以将图像逆时针旋转90度。 　　

　　

　　brright _ img=TF . image . rot 90(TF _ img，k=1) 　　

　　

　　 　　

　　

　　亮度 　　

　　

　　用下面的代码改变图像的亮度： 　　

　　

　　brright _ img=TF . image . adjust _ brightness(TF _ img，delta=0.2) 　　

　　

　　 　　

　　

　　其中delta是要添加到每个像素的值的数量。delta值越大，图像越亮。如果增量为负，图像将变暗。如果要应用随机亮度，可以使用以下函数： 　　

　　

　　brght _ img=TF . image . random _ brightness(TF _ img，max_delta=0.5) 　　

　　

　　增量将介于-max_delta和max_delta之间。 　　

　　

　　 　　

　　

　　随机亮度 　　

　　

　　其他方法 　　

　　

　　除了上述方法，类似的方法也可用于图像增强，如下所示： 　　

　　

　　tf.image.adjust_contrast 　　

　　

　　tf.image.random_contrast 　　

　　

　　tf.image.adjust_hue 　　

　　

　　tf.image.random_hue 　　

　　

　　tf.image.adjust_gamma 　　

　　

　　tf.image.adjust_saturation 　　

　　

　　tf.image.random_saturation 　　

　　

　　

3.其他图像处理任务

　　

　　

　　除了图像增强，tf.image还提供了一些其他有用的图像处理功能。 　　

　　

　　br right _ img=TF . image . central _ crop(TF _ img，0.5) 　　

　　

　　 　　

　　

　　Central_crop从每个维度的中心保留图像，并移除外部部分。 　　

　　

　　brght _ img=TF . image . crop _ to _ bounding _ box(TF _ img，offset_height=100，offset_width=100，target_height=400，target_width=800) 　　

　　

　　 　　

　　

　　Crop_to_bounding_box可以通过提供偏移和图像大小值来帮助您裁剪图像的特定区域。