通过Tensorflow进行图片读取和显示
一、使用 tf.read_file(path) # path为图片路径

	import tensorflow as tf
	image_contents = tf.read_file(path)   # 读取文件

    image = tf.image.decode_jpeg(image_contents, channels=3)    # 图片解码，识别jpg图片，此时类型为tensor类型，若需要输出，需要通过eval输出
    plt.imshow(image.eval(session=sess))

二、使用tf.gfile.FastGFile(path,'rb').read() # path为图片路径

	import tensorflow as tf
	# 获取原始图像
    image_raw_data=tf.gfile.FastGFile(path,'rb').read()
    # 对图形进行解码，转化为三维矩阵
    image=tf.image.decode_jpeg(image_raw_data)
    plt.imshow(image.eval(session=sess))

通过scipy进行图片读取和显示

	import scipy
	image_contents = scipy.misc.imread(path)
	plt.imshow(image_contents)

通过scipy进行图像修改

	# 修改图像shape
	image=scipy.misc.imresize(image_contents,shape)
	plt.imshow(image)

使用Tensorflow进行图像处理

• 图片 缩放

  	# 用双线性插值法将图像缩放到指定尺寸，method值为0
      resized1 = tf.image.resize_images(image, [256, 256], method=0)
      # 最近邻插值，method值为1
      resized2 = tf.image.resize_images(image, [256, 256], method=1)
      # 双立方插值，method值为2
      resized3 = tf.image.resize_images(image, [256, 256], method=2)
      # 像素区域插值，method值为3
      resized4 = tf.image.resize_images(image, [256, 256], method=3)
  	
  	# 图像显示，需先进行图像编码转换
  	resized1 = np.asarray(resized1.eval(session=sess), dtype='uint8')
      resized2 = np.asarray(resized2.eval(session=sess), dtype='uint8')
      resized3 = np.asarray(resized3.eval(session=sess), dtype='uint8')
      resized4 = np.asarray(resized4.eval(session=sess), dtype='uint8')
      # 图像显示
      plt.imshow(resized1)
      plt.imshow(resized2)
      plt.imshow(resized3)
      plt.imshow(resized4)
  

• 图像裁剪 填充

  	# 剪裁,根据原图像尺寸进行判断，若原图像大于该尺寸，则会剪裁，若图像小于该尺寸，就会填充，缺失部分用黑块补齐
      croped = tf.image.resize_image_with_crop_or_pad(image, 100, 100)
      # 填充
      padded = tf.image.resize_image_with_crop_or_pad(image, 2000, 2000)
      # 随机剪裁,前提是目标图像的尺寸大于定义的该尺寸
      random_croped = tf.random_crop(image, [100, 100, 3])
  	
  	# 图像显示
  	plt.imshow(croped.eval(session=sess))
  	plt.imshow(padded.eval(session=sess))
  	plt.imshow(random_croped.eval(session=sess))
  

• 图片翻转

  	 # 水平翻转
       flip_left_right = tf.image.flip_left_right(image)
       # 上下翻转
       flip_up_down = tf.image.flip_up_down(image)
  	
  	 # 图片显示
  	 plt.imshow(flip_left_right.eval(session=sess))
  	 plt.imshow(flip_up_down.eval(session=sess))
  

• 改变图片对比度

  	# 改变对比度，图像对比度变为原来的该倍数，如0.5，变为原来的二分之一，2，变为原来的两倍
      constrast = tf.image.adjust_contrast(image, 0.5)
      # 在lower和upper这个范围内随机调整图像对比度
      constrast_1=tf.image.random_contrast(image,lower=0.2,upper=3)
  	
  	# 图片显示
  	plt.imshow(constrast.eval(session=sess))
  	plt.imshow(constrast_1.eval(session=sess))
  

• 白化处理

  	# 白化处理，将像素值转化为零均值和单位方差
      standardization = tf.image.per_image_standardization(image)
      
      # tensorflow函数处理后图片存储数据为float32格式，需要转化为uint8才能正常打开图片
      standardization = np.asarray(standardization.eval(session=sess), dtype='uint8')
  	
  	# 图片显示
  	plt.imshow(standardization)