tensorflow学习之从图像处理看tensor和numpy数据间转换

参考文章：https://blog.csdn.net/xiaosongshine/article/details/84955891

问题一：tensor与numpy数据转换

在用tensorflow过程中，经常会接触到numpy，在编写过程不会感觉到太大差别，但在输出网络中，输出的结果仍然是tensor，用这些结果去执行numpy数据来执行的操作比如matplotlib时就会出现一些奇奇怪怪的错误，比如：

import os
import matplotlib.pyplot as plt
import matplotlib
#matplotlib.use("Qt5Agg")
import tensorflow as tf
import cv2

file_name = 'F:\\gaohu.bmp'
image_raw = tf.gfile.FastGFile(file_name,'rb').read()
image_data = tf.image.decode_bmp(image_raw)

##压缩维度，变二维
image_data = tf.squeeze(image_data)
image_data = tf.image.convert_image_dtype(image_data,dtype=tf.float32)

with tf.Session():
    #image_data = image_data.eval()
    plt.imshow(image_data)
    plt.show()

TypeError: Image data cannot be converted to float

原因是此时没有image_data没有经过eval()转换成numpy，还是tensor类型，而plt只能处理numpy数据

问题一解决：

•   Numpy2Tensor
  

虽然TensorFlow网络在输入Numpy数据时会自动转换为Tensor来处理，但是我们自己也可以去显式的转换：

data_tensor = tf.convert_to_tensor(data_numpy)

•   Tensor2Numpy
  

网络输出的结果仍为Tensor，当我们要用这些结果去执行只能由Numpy数据来执行的操作时就会出现莫名其妙的错误。解决方法：

with tf.Session():
    data_numpy = data_tensor.eval()

• 或

sess = tf.Session()
data_numpy = sess.run(data_tensor)

问题二：matplotlib

问题描述

import os
import matplotlib.pyplot as plt
import matplotlib
import tensorflow as tf
import cv2

sess = tf.Session()

file_name = 'F:\\gaohu.bmp'
image_raw = tf.gfile.FastGFile(file_name,'rb').read()
image_data = tf.image.decode_bmp(image_raw)
image_data_0 = tf.image.decode_bmp(image_raw)


#保留维度，三维
image_data_0 = tf.image.convert_image_dtype(image_data_0,dtype=tf.float32)


#图像处理
adjust_image_data_contrast = tf.image.adjust_contrast(image_data_0,5)

#截断操作
adjusted_contrast= tf.clip_by_value(adjust_image_data_contrast,0.0,1.0)

with tf.Session():
    adjusted_contrast1 = adjusted_contrast.eval()
    print(adjusted_contrast1)
    plt.imshow(adjusted_contrast1)
    plt.show()
 

TypeError: Invalid dimensions for image data

• matplotlib.pyplot.imshow()需要数据是二维的数组或者第三维深度是3或4的三维数组，当第三维深度为1时，就会报错。

  解决

• 当第三维深度是1的时候，使用np.squeeze()压缩数据成为二维数组

问题三：tensorflow中的InvalidArgumentError: input must be at least 3-D

问题描述

import os
import matplotlib.pyplot as plt
import matplotlib
import tensorflow as tf
import cv2

file_name = 'F:\\mianqiang.bmp'
image_raw = tf.gfile.FastGFile(file_name,'rb').read()
image_data = tf.image.decode_bmp(image_raw)
image_data_0 = tf.image.decode_bmp(image_raw)

#压缩维度，变二维
image_data = tf.squeeze(image_data)
image_data = tf.image.convert_image_dtype(image_data,dtype=tf.float32)

#图像处理
adjust_image_data_contrast = tf.image.adjust_contrast(image_data,5)

adjusted_contrast= tf.clip_by_value(adjust_image_data_contrast,0.0,1.0)

with tf.Session():
    adjusted_contrast1 = adjusted_contrast.eval()
    plt.imshow(adjusted_contrast1)
    plt.show()

InvalidArgumentError: input must be at least 3-D, got shape[1944,2592]

• 如果被降维后的tensor经过tf.image.adjust_contrast()处理，那么被处理过后的tensor用eval方法的话，就会出现维度不对的报错，提示必须是最少3维。
• 但是如果是经过tf.image.adjust_brightness()之类的函数处理的话，就不会有这样的情况，暂时还没找到原因。

来源：CSDN

作者：夏孤临

链接：https://blog.csdn.net/qq_36588760/article/details/103841244