时间戳

首页 > 解决方案 > Tensorflow：调整不同大小的图像列表

python - Tensorflow：调整不同大小的图像列表

问题描述

我创建了一个L包含不同大小图像的图像列表：

L = 
(1, 333, 500, 3)
(1, 500, 333, 3)
(1, 257, 296, 3)

这些图像的数据类型是np.uint8.

我的目标是将这些图像传递给一个函数process_images()，该函数将图像重塑为预定义的大小size = [100,100]并返回以下列表

L_new = 
(1, 100, 100, 3)
(1, 100, 100, 3)
(1, 100, 100, 3)

或大小为 numpy 的数组[3,100,100,3]。

处理图像的函数定义如下：

def process_images(X):
    X = tf.convert_to_tensor(X, dtype=tf.uint8)
    X = tf.image.resize_images(X, size=[100,100])
    return X

到目前为止，如果我打电话，我会得到一个错误img=sess.run(process_images(L))：

TypeError: Expected uint8, got array([[[[ 0, 91, 127], [ 17, 94, 122], [ 39, 90, 85], ..., [ 67, 128, 87], [ 71, 129, 88], [ 71, 130, 86]]]], dtype=uint8) of type 'ndarray' instead.'

我做错了什么？

标签： pythontensorflow

解决方案

我改变了答案，因为我错过了问题描述中的一些要点。以下是正确答案：

def process_image(x):
    x = tf.convert_to_tensor(x, dtype=tf.uint8)
    return tf.image.resize_images(x, size=[100,100])

def process_list(X):
    L = [process_image(x) for x in X]
    return tf.stack(L, axis=0)

import matplotlib.image as mpimg

imgs=[mpimg.imread('nadine.jpg'), mpimg.imread('andy.jpg')]
shapes= [img.shape for img in imgs]

with tf.Session() as sess:
    imgs1=sess.run(process_list(imgs))


print(shapes)
print(imgs1.shape)

这是初始数组的形状和最终结果

[(1077, 1280, 3), (2946, 3930, 3)]
(2, 100, 100, 3)

关键是您不能将不同形状的数组列表转换为张量 by tf.convert_to_tensor。您需要对每个数组逐一进行转换，然后将生成的张量堆叠在一起。

推荐阅读