在使用深度学习对图像进行训练时，对图像进行随机旋转有助于提升模型泛化能力。然而之前在做旋转等预处理工作时，都是先对图像进行旋转后保存到本地，然后再输入模型进行训练，这样的过程会增加工作量，如果图片数量较多，生成旋转的图像会占用更多的空间。直接在训练过程中便对图像进行随机旋转，可有效提升工作效率节省硬盘空间。
使用TensorFlow对图像进行随机旋转如下：
TensorFlow版本为1.13.1
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
|
#-*- coding:utf-8 -*-
'''
使用TensorFlow进行图像的随机旋转示例
'''
import tensorflow as tf
import numpy as np
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('tf.jpg')
img = cv2.resize(img,(220,220))
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
def tf_rotate(input_image, min_angle = -np.pi/2, max_angle = np.pi/2):
'''
TensorFlow对图像进行随机旋转
:param input_image: 图像输入
:param min_angle: 最小旋转角度
:param max_angle: 最大旋转角度
:return: 旋转后的图像
'''
distorted_image = tf.expand_dims(input_image, 0)
random_angles = tf.random.uniform(shape=(tf.shape(distorted_image)[0],), minval = min_angle , maxval = max_angle)
distorted_image = tf.contrib.image.transform(
distorted_image,
tf.contrib.image.angles_to_projective_transforms(
random_angles, tf.cast(tf.shape(distorted_image)[1], tf.float32), tf.cast(tf.shape(distorted_image)[2], tf.float32)
))
rotate_image = tf.squeeze(distorted_image, [0])
return rotate_image
global_init = tf.global_variables_initializer()
with tf.Session() as sess:
init = tf.initialize_local_variables()
sess.run([init, global_init])
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
image = tf.placeholder(shape=(220, 220, 3), dtype=tf.float32)
rotate_image = tf_rotate(image, -np.pi/2, np.pi/2)
output = sess.run(rotate_image, feed_dict={image:img})
# print('output:',output)
plt.imshow(output.astype('uint8'))
plt.title('rotate image')
plt.show()
|
结果如下：
原图：
随机旋转后的图：
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/qq_26535271/article/details/104030643