Tensorflow利用图像处理函数生成DataSet

第二次发博客啦！第一次没有一个朋友看，好伤心！自己想了一下，一定是自己发的内容太水了，那就接着水喽。哈哈哈。

问题描述：扩充图像分类的原始数据集

人工方法：用win10自带的图像编辑器手动处理（信不信我一开始就是这样做的，批量上下左右翻转，因为实验室大佬就是这么教我哒，，，，）

我的小方法：用tensorflow自带的处理函数随机处理，生成新的图片放到一个文件夹下，貌似比手动的稍微好一点点，但我觉得还是不行，应该预处理后直接feed进神经网络。目前还没太搞懂tfrecord格式，就先这样玩了玩。

直接上代码吧！

@author: ziyang
"""

import numpy as np
import tensorflow as tf
import scipy.misc
import os

def distort_color(image, color_ordering=0):
    if color_ordering == 0:
        image = tf.image.random_brightness(image, max_delta=32. / 255.)
        image = tf.image.random_saturation(image, lower=0.5, upper=1.5)
        image = tf.image.random_hue(image, max_delta=0.2)
        image = tf.image.random_contrast(image, lower=0.5, upper=1.7)
    elif color_ordering == 1:
        image = tf.image.random_contrast(image, lower=0.5, upper=1.7)
        image = tf.image.random_hue(image, max_delta=0.2)
        image = tf.image.random_saturation(image, lower=0.5, upper=1.5)
        image = tf.image.random_brightness(image, max_delta=32. / 255.)
    elif color_ordering == 2:
        image = tf.image.random_hue(image, max_delta=0.2)
        image = tf.image.random_saturation(image, lower=0.5, upper=1.5)
        image = tf.image.random_contrast(image, lower=0.5, upper=1.7)
        image = tf.image.random_brightness(image, max_delta=32. / 255.)
    return tf.clip_by_value(image, 0.0, 1.0)
def preprocess_for_train(image, height, width, bbox):
    if bbox is None:
        bbox = tf.constant([0.0, 0.0, 1.0, 1.0], dtype=tf.float32, shape=[1, 1, 4])

    if image.dtype != tf.float32:
        image = tf.image.convert_image_dtype(image, dtype=tf.float32)

    bbox_begin, bbox_size, _ = tf.image.sample_distorted_bounding_box(tf.shape(image), bounding_boxes=bbox)
    distort_image = tf.slice(image, bbox_begin, bbox_size)
    distort_image = tf.image.resize_images(distort_image, [height, width], method=np.random.randint(4))
    distort_image = tf.image.random_flip_left_right(distort_image)
    distort_image = distort_color(distort_image, np.random.randint(3))

    return distort_image


with tf.Session() as sess:
    boxes = tf.constant([[[0.05, 0.05, 0.9, 0.7], [0.35, 0.47, 0.5, 0.56]]])
    file_dir_original = 'C:/Users//Desktop/inceptionV3/TianJin/D'
    m = 0
    for file in os.listdir(file_dir_original):
        m += 1
        src = os.path.join(os.path.abspath(file_dir_original),file)
        image_raw_data = tf.gfile.FastGFile(src, 'rb').read()
        img_data = tf.image.decode_jpeg(image_raw_data)
        for i in range(6):
            result = preprocess_for_train(img_data, 299, 299, boxes)
            result_eval = result.eval()
            chance = np.random.randint(10000)
            file_dir = 'C:/Users//Desktop/inceptionV3/TianJin/duan'
            name = 'duanlu'
            dst = os.path.join(os.path.abspath(file_dir),  name+str(chance) + '.jpg')
            scipy.misc.imsave(dst, result_eval)
        if m%10 == 0 :
            print('finsh a image from original dataset' + "  " + str(m))
    print('all finished!!!')

方法比较笨，大神勿喷，不要打击小弟的学习积极性啦！

其中distort_color函数是处理图像的颜色。preprocess_for_train函数是图像预处理函数，该部分扩展性比较强（处理方式多种多样，可以随机组合），百度一下也会有很多关于处理函数的介绍，我就不多说了，具体讲解参考《tensorflow实战Google深度学习框架》图像预处理部分。但是我百度很多都是举了一个图片处理的例子，也是写这个博客的原因。我这里也是在它的基础上更改的（所以说我比较菜），不明白的可以私信我。总之，比手动处理进步一丢丢!

file_dir_original 后面放的是需要扩充的原始数据集。

file_dir 后面放的是扩充后的数据集。

for i in range(6) 其中6表示一张原始图片（放在file_dir_original）生成 6张新的图片（放在file_dir），你可以根据自己的需要改为其他的数字N。理论上扩充后的数据集是原来的N倍，但是可能会略差一些，因为我这里用的chance = np.random.randint(10000)随机生成的chance数字可能会重复。

该方法不建议使用，计算多，好像容易dead，不知道指定用GPU会不会好点（猜测）。接下来我会好好了解一下tfrecord，尝试其他方法。

随机扩充后生成的数据集

顺便粘一段更改文件中数据集名的代码

import os  
 
def rename(file_dir,name):
    
    
    i=1
    for file in os.listdir(file_dir):  
        '''获取该路径文件下的所有图片'''    
        src = os.path.join(os.path.abspath(file_dir), file) 
        '''修改后图片的存储位置（目标文件夹+新的图片的名称）'''        
        dst = os.path.join(os.path.abspath(file_dir),  name+str(i) + '.jpg')
        os.rename(src, dst) #将图片重新命名
        i=i+1     
 
file_dir='C:/Users/Desktop/inceptionV3/TianJin'  #目标下的文件夹名称
rename(file_dir+'/D','duan')  #获取目标文件夹下，子文件的的路径 并进行重命名
rename(file_dir+'/F','fei')
print('success!!!')

这段代码用来更改图片名

 

参考：https://blog.csdn.net/Strive_For_Future/article/details/81867721