1、知识点
""" 1、图片读取流程与API： 1、构造图片文件队列 文件队列API： a)tf.train.string_input_producer(string_tensor,,shuffle=True) 将输出字符串（例如文件名）输入到管道队列 参数： string_tensor 含有文件名的1阶张量 num_epochs:过几遍数据，默认无限过数据 return:具有输出字符串的队列 2、构造图片阅读器 图像读取API:tf.WholeFileReader 图像读取器，将文件的全部内容作为值输出的读取器 return：读取器实例 方法：read(file_queue):输出将是一个文件名（key）和该文件的内容（值） 3、读取图片数据(解码过程) 图像解码器 1、tf.image.decode_jpeg(contents) 将JPEG编码的图像解码为uint8张量 return:uint8张量，3-D形状[height, width, channels] 2、tf.image.decode_png(contents)将PNG编码的图像解码为uint8或uint16张量 return:张量类型，3-D形状[height, width, channels] 4、处理图片数据，固定图像形状 缩放图片：tf.image.resize_images(images, size) 参数： images：4-D形状[batch, height, width, channels]或3-D形状的张量[height, width, channels]的图片数据 size：1-D int32张量：new_height, new_width，图像的新尺寸 返回4-D格式或者3-D格式图片 5、进行批处理 1、tf.train.batch(tensors,batch_size,num_threads = 1,capacity = 32,name=None) 读取指定大小（个数）的张量 参数： tensors：可以是包含张量的列表 batch_size:从队列中读取的批处理大小 num_threads：进入队列的线程数 capacity：整数，队列中元素的最大数量 return:tensors 2、tf.train.shuffle_batch(tensors,batch_size,capacity,min_after_dequeue,num_threads=1,) 乱序读取指定大小（个数）的张量 参数： min_after_dequeue:留下队列里的张量个数，能够保持随机打乱 6、线程协调器： tf.train.Coordinator() 线程协调员,实现一个简单的机制来协调一组线程的终止 方法： request_stop() 请求停止 should_stop() 检查是否要求停止 join(threads=None, stop_grace_period_secs=120) 等待线程终止 return:线程协调员实例 7、开启线程操作 tf.train.start_queue_runners(sess=None,coord=None) 收集所有图中的队列线程，并启动线程 参数与返回值： sess:所在的会话中 coord：线程协调器 return：返回所有线程队列 2、图像知识 黑白图(又称单通道图)：灰度值[0-255] ， 一个像素点只有一个值 彩色图(又称三通道图)：RGB ,一个像素点有三个值 图像数字化三要素：长度、宽度、通道数 [height,width,channels] ,[200,200,1] 特征：对于图片，一个像素表示一个特征 图像样本：每一个样本必须保证特征值数量一样 图片二阶张量：[100,200*200*1],表示100张40000个特征的黑白图 图片三阶张量：[200,200,1]，表示一张200*200的黑白图 图片四阶张量：[100,200,200,1]表示100张200*200的黑色图片 图片的存储数据类型：uint8(节约空间) 矩阵计算：float32(提高精度) 3、报错： 1、Invalid argument: Shape mismatch in tuple component 0. Expected [200,200,3], got [200,200,4] 解决方法：表示数据不匹配，定义为3通道，但是图片本身是4通道，因此需将定义的3通道改为4通道 """
2、代码
# coding = utf-8 import tensorflow as tf import os def readPic(filelist): """ 读取图片 :param filelist: 文件路径+名字列表名 :return:每张图片的张量 """ #1、构造文件队列 file_queue = tf.train.string_input_producer(file_list) #2、构造阅读器去读取图片内容(默认读取一张图片) reader = tf.WholeFileReader() key , value = reader.read(file_queue) #3、对读取的图片进行解码 image = tf.image.decode_jpeg(value) #4、处理图像大小 image_size = tf.image.resize_images(image,[200,200]) #print(image_size) #注意：一定要把样本的形状固定 [200,200,3],在批处理的时候要求所有图像形状固定且一致 image_size.set_shape([200,200,3]) #print(image_size) #5、进行批处理 image_batch = tf.train.batch([image_size], batch_size=20, num_threads=1, capacity=20) print(image_batch) return image_batch if __name__ == '__main__': file_name = os.listdir("./pic") file_list = [os.path.join("./pic",file) for file in file_name] image_batch = readPic(file_list) #print(image_batch) #开启会话 with tf.Session() as sess: #定义一个协调器 coord = tf.train.Coordinator() #开启线程 threads = tf.train.start_queue_runners(sess,coord=coord) print(sess.run([image_batch])) #回收线程 coord.request_stop() coord.join(threads)