呉ユーキション - ナチュラル生まれpythonTensorFlowグラフィックデータ：サンプル前処理、完全な画像

インポートのNPとしてnumpyの
 インポートのTFとしてtensorflow
 インポートPLTとしてmatplotlib.pyplot 

＃随机调整图片的色彩、定义两种顺序。
DEF distort_color（画像、color_ordering = 0）
     場合 == color_ordering ：0 
        画像 = tf.image.random_brightnessを（画像、max_delta = 32/255 ）
        、画像 = tf.image.random_saturation（画像、低級= 0.5、上側= 1.5 ）
        画像 = tf.image.random_hue（画像、max_delta = 0.2 ）
        画像 = tf.image.random_contrast（上側= 0.5下方画像、= 1.5 ）
     他：
        画像= tf.image.random_saturation（画像、低級= 0.5、上側= 1.5 ）
        画像 = tf.image.random_brightness（画像、max_delta = 32/255 ）
        、画像 = tf.image.random_contrast（画像、0.5 =上下= 1.5 ）
        画像 = tf.image.random_hue（画像、max_delta = 0.2 ）

    戻り tf.clip_by_value（画像、0.0、1.0）

＃画像の前処理は、画像データは、ニューラルネットワークの入力層に変換されます。
DEF （画像、高さ、幅、BBOX）preprocess_for_train：
    ＃は、コールアウトボックスかどうかを確認します。
    IF BBOXはありませんなし：
        BBOX = tf.constant（[0.0、0.0、1.0、1.0]、DTYPE = tf.float32、形状= 1 ,. 1 ,. 4。]）
     IF image.dtype =！tf.float32：
        イメージ = TF .image.convert_image_dtype（画像、DTYPE = tf.float32） 
        
    ＃ランダム画像ブロックを取ら。
    bbox_begin、bbox_size、_ = tf.image.sample_distorted_bounding_box（tf.shape（イメージ）、bounding_boxes = BBOX、min_object_covered = 0.4 ）
    bbox_begin、bbox_size、_= tf.image.sample_distorted_bounding_box（tf.shape（画像）、bounding_boxes = BBOX、min_object_covered = 0.4 ）
    distorted_image = tf.slice（画像、bbox_begin、bbox_size） 

    ＃将随机截取的图片调整为神经网络输入层的大小。 
    distorted_image = tf.image.resize_images（distorted_image、[高さ、幅]、方法= np.random.randint（4 ））
    distorted_image = tf.image.random_flip_left_right（distorted_image）
    distorted_image = distort_color（distorted_image、np.random.randint（2 ） ）
     戻り distorted_image

＃读取图片。 
image_raw_data = tf.gfile.FastGFile（" F：\\ TensorFlowGoogle \\ 201806-githubの\\データセット\\はcat.jpg "、" RB " ）.read（）
tf.Session有する（）などのSES ：
    img_data = tf.image.decode_jpeg（image_raw_data）
    箱 = tf.constant（[[[0.05、0.05、0.9、0.7]、[0.35、0.47、0.5、0.56 ]]]）
    のための I における範囲（9 ）：
        結果 = preprocess_for_train（img_data、299、299 、ボックス）
        plt.imshow（result.eval（））
        plt.show（）