TensorFlow 13——ch10-超分辨率 部分函数说明

代码：https://github.com/MONI-JUAN/Tensorflow_Study/tree/master/ch10-超分辨率%20部分函数说明

数据集用的是COCO数据集，上次12G那个 train2014.zip ，下不下来，就看看代码了。

在地址http://msvocds.blob.core.windows.net/coco2014/train2014.zip 下载COCO数据集。

看几个重要的函数

def create_op(func, **placeholders):

def create_op(func, **placeholders):
    '''【重要】
    将 Tensorflow 中的函数变成普通函数
    Tensorflow ：输入Tensor，返回Tensor
    create_op ：输入Tensor，返回Numpy
    '''
    op = func(**placeholders)

    def f(**kwargs):
        feed_dict = {}
        for argname, argvalue in kwargs.items():
            placeholder = placeholders[argname]
            feed_dict[placeholder] = argvalue
        return tf.get_default_session().run(op, feed_dict=feed_dict)

    return f

利用 create_op 编码图片

decode_jpeg = create_op(
    '''
    解码jpeg图片
    tf.image.decode_jpeg() 返回的是 Tensor
    decode_jpeg() 返回的是 numpy.ndarry
    '''
    func=tf.image.decode_jpeg,
    contents=tf.placeholder(tf.string),
)

decode_png = create_op(
    '''
    解码png图片
    tf.image.decode_png() 返回的是 Tensor
    decode_png() 返回的是 numpy.ndarry
    '''
    func=tf.image.decode_png,
    contents=tf.placeholder(tf.string),
)

encode_jpeg = create_op(
    '''
    编码jpeg图片
    tf.image.decode_jpeg() 返回的是 Tensor
    decode_jpeg() 返回的是 numpy.ndarry
    '''
    func=tf.image.encode_jpeg,
    image=tf.placeholder(tf.uint8),
)

encode_png = create_op(
    '''
    编码png图片
    tf.image.decode_png() 返回的是 Tensor
    decode_png() 返回的是 numpy.ndarry
    '''
    func=tf.image.encode_png,
    image=tf.placeholder(tf.uint8),
)

剪裁、扩充图片

crop = create_op(
    '''
    剪裁图片
    '''
    func=tf.image.crop_to_bounding_box,
    image=tf.placeholder(tf.float32),
    offset_height=tf.placeholder(tf.int32, []),
    offset_width=tf.placeholder(tf.int32, []),
    target_height=tf.placeholder(tf.int32, []),
    target_width=tf.placeholder(tf.int32, []),
)

pad = create_op(
    '''
    扩充图片
    '''
    func=tf.image.pad_to_bounding_box,
    image=tf.placeholder(tf.float32),
    offset_height=tf.placeholder(tf.int32, []),
    offset_width=tf.placeholder(tf.int32, []),
    target_height=tf.placeholder(tf.int32, []),
    target_width=tf.placeholder(tf.int32, []),
)

处理图片

def process(src_path, dst_path):
    '''
    输入 numpy.ndarray ，输出 numpy.ndarray 
    '''
    src = im.load(src_path)

    if a.operation == "grayscale":
        dst = grayscale(src)
    elif a.operation == "resize":
        dst = resize(src)
    elif a.operation == "blank":
        dst = blank(src)
    elif a.operation == "combine":
        dst = combine(src, src_path)
    elif a.operation == "edges":
        dst = edges(src)
    elif a.operation == "blur":
        dst = blur(src)
    else:
        raise Exception("invalid operation")

    im.save(dst, dst_path)

处理图片
其实就是先缩小，再放大，看还原效果

def blur(src, scale=4):
    height, width, _ = src.shape
    height_down = height // scale
    width_down = width // scale
    dst = im.downscale(images=src, size=[height_down, width_down])
    dst = im.upscale(images=dst, size=[height, width])
    return dst