图像预处理之图像翻转、图像色彩调整、图像尺寸调整

图像翻转 

tf.image.flip_up_down：上下翻转 
tf.image.flip_left_right：左右翻转 
tf.image.transpose_image：对角线翻转 

除此之外，TensorFlow还提供了随机翻转的函数，保证了样本的样本的随机性： 
tf.image.random_flip_up_down：随机上下翻转图片 
tf.image.random_flip_left_right：随机左右翻转图片

图像色彩调整 

亮度： 
tf.image.adjust_brightness：调整图片亮度 
tf.image.random_brightness：在某范围随机调整图片亮度 
对比度： 
tf.image.adjust_contrast：调整图片对比度 
tf.image.random_contrast：在某范围随机调整图片对比度 
色相： 
tf.image.adjust_hue：调整图片色相 
tf.image.random_hue：在某范围随机调整图片色相 
饱和度： 
tf.image.adjust_saturation：调整图片饱和度 
tf.image.random_saturation：在某范围随机调整图片饱和度 
归一化： 
per_image_standardization：三维矩阵中的数字均值变为0，方差变为1。在以前的版本中，它其实叫做per_image_whitening，也就是白化操作。

import matplotlib.pyplot as plt
import tensorflow as tf

image_raw_data = tf.gfile.FastGFile('.//image//1.jpg','rb').read()

with tf.Session() as sess:
     img_data = tf.image.decode_jpeg(image_raw_data)
     plt.imshow(img_data.eval())
     plt.show()

     # 将图片的亮度-0.5。
     adjusted = tf.image.adjust_brightness(img_data, -0.5)
     plt.imshow(adjusted.eval())
     plt.show()

     # 将图片的亮度0.5
     adjusted = tf.image.adjust_brightness(img_data, 0.5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 在[-max_delta, max_delta)的范围随机调整图片的亮度。
     adjusted = tf.image.random_brightness(img_data, max_delta=0.5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 将图片的对比度-5
     adjusted = tf.image.adjust_contrast(img_data, -5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 将图片的对比度+5
     adjusted = tf.image.adjust_contrast(img_data, 5)
     plt.imshow(adjusted.eval())
     plt.show()
     # 在[lower, upper]的范围随机调整图的对比度。
     adjusted = tf.image.random_contrast(img_data, 0.1, 0.6)
     plt.imshow(adjusted.eval())
     plt.show()

     #调整图片的色相
     adjusted = tf.image.adjust_hue(img_data, 0.1)
     plt.imshow(adjusted.eval())
     plt.show()

     # 在[-max_delta, max_delta]的范围随机调整图片的色相。max_delta的取值在[0, 0.5]之间。
     adjusted = tf.image.random_hue(img_data, 0.5)
     plt.imshow(adjusted.eval())
     plt.show()  


     # 将图片的饱和度-5。
     adjusted = tf.image.adjust_saturation(img_data, -5)
     plt.imshow(adjusted.eval())
     plt.show()  


     # 在[lower, upper]的范围随机调整图的饱和度。
     adjusted = tf.image.random_saturation(img_data, 0, 5)

     # 将代表一张图片的三维矩阵中的数字均值变为0，方差变为1。
     adjusted = tf.image.per_image_standardization(img_data)

图像尺寸调整 

图像尺寸调整属于基础的图像几何变换，TensorFlow提供了几种尺寸调整的函数： 
tf.image.resize_images：将原始图像缩放成指定的图像大小，其中的参数method（默认值为ResizeMethod.BILINEAR）提供了四种插值算法，具体解释可以参考图像几何变换（缩放、旋转）中的常用的插值算法 
tf.image.resize_image_with_crop_or_pad：剪裁或填充处理，会根据原图像的尺寸和指定的目标图像的尺寸选择剪裁还是填充，如果原图像尺寸大于目标图像尺寸，则在中心位置剪裁，反之则用黑色像素填充。 
tf.image.central_crop：比例调整，central_fraction决定了要指定的比例，取值范围为(0，1]，该函数会以中心点作为基准，选择整幅图中的指定比例的图像作为新的图像。

参考：https://blog.csdn.net/chaipp0607/article/details/73089910