声明，文章中参考别人的内容，都已标明原文链接。

Tensorflow图像的读取、解码、显示、处理、编码、保存

1. Tensorflow读取图像文件后为什么要解码？ 我们常见的图像格式有 .bmp，.gif，.jpg，.png等，而.bmp格式的图像是没有经过压缩的，其他3种都是经过编码压缩格式。所以在读取之后要进行解码还原。

2. 图像解码与编码 一张RGB三通道的彩色图像可以看成一个三维矩阵，矩阵中不同位置上的数字代表图像的像素值。然后图像在存储时并不是直接记录这些矩阵中的数字，而是经过了压缩编码。所以将一张图像还原成一个三维矩阵的过程就是解码的过程，反之就是编码了。其实如果大家熟悉opencv的话，imread和imwrite就是一个解码和编码的过程。 https://blog.csdn.net/chaipp0607/article/details/73029923

3. 代码例子解释（为了进一步理解解码的意义） http://yueshi.me/?p=270

下面逐句解释一下代码 file1 = tf.read_file('image.jpg') 功能：读取和输出文件中的全部内容 输入：一个0维的字符串类型的张量（即字符串） 输出：图像文件中的所有内容（字符串） image = tf.image.decode_jpeg(file1, channels=3) 功能：将编码的图像解码为uint8或uint16类型的张量（二维或三维矩阵） 输入：读取的图像文件，0维的字符串类型的张量（即字符串） 输出：uint8或uint16类型的张量 channels=3表示RGB图像 channels=1表示灰度图像 channels=0表示jpeg编码的图像的通道数 image = tf.image.resize_images(image, size=[32,32]) 功能：使用指定的方法将图像调整为指定大小（这个方法会扭曲图像） 输入：images： 4维张量，[ batch, height, width, channels ] 3维张量，[ height, width, channels ] size：一个包含2个元素的一维int32张量，[ new_height, new_width ] 输出：新size的图像（张量） image = tf.image.convert_image_dtype(image, tf.float32) 功能：转换数据类型，在强制转换之前适当地缩放值。使用浮点值表示的图像的值应在范围[0,1]内。存储在整数数据类型中的图像数据的值应在范围[0，max]，其中max是该数据类型最大的可表示正数。

4、Tensorflow中读取图像的方法

（1）通过tf.gfile.FastGFile()读取图像文件（得到bytes类型数据） image_raw = tf.gfile.FastGFile(‘test.jpg’，‘rb’).read() # 读入二进制文件 img = tf.image.decode_jpeg(image_raw) # 解码为tf中的图像格式tensor

tf.gfile模块提供了tensorflow中通用的文件I/O操作。 tf.gfile.FastGFile(filename, mode)函数用于获取文件操作句柄，类似于python中的文本操作open()函数。第一个参数filename是文件路径，第二个参数mode是文件编码方式(‘r’:UTF-8编码；‘rb’:非UTF-8编码)。 （2）通过tf.read_file()读入图像文件（得到string类型的tensor） image_value = tf.read_file(‘test.jpg’) img = tf.image.decode_jpeg(image_value, channels=3) （3）通过scipy.misc.imread()函数读入图像文件（得到ndarray） img = scipy.misc.imread(‘image/13.png’, mode=‘RGB’) （4）通过tf.train.string_input_producer()+tf.WholeFileReader().read()读入图像文件（这个方法适用于读取的图片数据过多，如果一次性读入内存吃不消）参考https://www.cnblogs.com/polly333/p/7481685.html （5）图像读取方法当然还有其它方法，但是这几种在tensorflow中是比较常用的

5、Tensorflow中图像显示的方法

5.0 tensor和array tensor转array：a.eval() array转tensor：tf.convert_to_tensor(b) 注意，显示图像时，不能是tensor，可以是array

5.1 在tensorflow中用Matplotlib显示图像 Matplotlib（绘图+可视化）。Matplotlib 可能是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。简单说，可以画各种图：散点图、曲线图、直方图、饼图等，将数据可视化；可以对图像进行显示和处理。

下面逐句解释一下代码 plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True) 功能：新建画布

plt.imshow(image，cmap=None) image：要绘制的图像或数组，如果是张tensor要转化为array。 cmap：颜色图谱（colormap), 默认绘制为RGB(A)颜色空间。

注意注意注意 plt绘制灰度图格式必须是(height,width)，而不能是(height,width,1);绘制彩色图像格式是(height,width,channels)。tensorflow读取图像数据时，会得到(height,width,channels)的格式，即彩色图是(height,width,3)，灰度图是(height,width,1)，所以这种情况下直接用plt绘制灰度图会报错（TypeError: Invalid dimensions for image data），为了让plt绘制出来灰度图我们需要把它reshape成(height，width)格式。

5.2 在tensorflow中用OpenCV显示图像

cv2.namedWindow(winname，flags=None) 功能：创建一个窗口，用于显示图像，可以通过其winname参数引用这个窗口，也是窗口的标题。 内置flags，用来指定窗口显示格式 cv2.WINDOW_NORMAL 窗口大小可改变 cv2.WINDOW_AUTOSIZE 窗口大小不可改变 cv2.WINDOW_FREERATIO 自适应比例 cv2.WINDOW_KEEPRATIO 保持比例饿 cv2.imshow(winname，mat) 功能：在指定的winname窗口中显示图像 Mat类是用于保存图像以及其他矩阵数据的数据结构，这里的mat可以是array类型，不能是tensor类型。 cv2.waitKey(0) 功能：控制图像显示持续的时间 如果是0，就会一直显示，知道你任意按下一个键或者把它叉掉又或者你把程序杀掉。 如果是一个正整数，比如25，那么图像就显示25秒后自动消失。

6、Tensorflow中图像保存的方法

6.2 在tensorflow中用matplotlib保存图像 plt.imsave(fname，arr) 功能：将数组保存为图像文件 fname：要保存的文件名（包括路径和扩展名），array类型数据，形状可以是MxN，MxNx3 (RGB)或MxNx4 (RGBA) 6.1 在tensorflow中用OpenCV保存图像 cv2.imwrite(filename，img，params=None) 功能：保存图像到指定文件夹和指定文件名 filename：要保存的文件名（包括路径和扩展名），img要保存的图像。 可选的第三个参数，它针对特定的格式：对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95;对于png ,第三个参数表示的是压缩级别，默认为3

7、 python的图像处理模块PIL（Python Imaging Library），Pillow PIL是Python平台上图像处理标准库，功能强大，使用简单。PIL默认仅支持到Python2.7，如果要支持Python3.x版本，必须使用兼容PIL的新版本–Pillow，Pillow中加入了相比于PIL更多的新特性。