TensorFlow图像编码处理

第一次发blog,记录学习过程，虽有点low，贵在坚持呀！

一般处理的图像是RGB色彩模式的图像，可以将其看成一个三维矩阵，矩阵中的每一个数代表了图像上不同位置不同

颜色的亮度。

如何理解呐?图像是二维的，即长和宽，一张图像由这二维平面上无数个点组成，每个点用RGB三通道来表示这个点的颜色。这许多个二维平面上的点就构成我们看到的各种图片啦！

然而，图像在存储时并不是记录这些矩阵中的数字，而是记录经过压缩编码之后的结果。图像还原成三维矩阵形式，需要解码过程。Tensorflow提供了对jpeg和png格式图像的解码/编码函数。以下是示例。

import matplotlib.pyplot as plt

import tensorflow as tf

image_raw_data = tf.gfile.FastGFile("D:/add/41A (2).jpg", "rb").read()

with tf.Session() as sess:
    img_data = tf.image.decode_jpeg(image_raw_data)
    print (img_data.eval())
    plt.imshow(img_data.eval())
    plt.show()

    encoded_image = tf.image.encode_jpeg(img_data)
    with tf.gfile.GFile("D:/add1/123.jpg","wb") as f:
        f.write(encoded_image.eval())    

我遇到的问题：UnicodeEncodeError: 'utf-8' codec can't encode character '\udcbe' in position 1856: surrogates not allowed

参考了一下别人的blog。反映最多的是路径名称问题，路径中包含中文什么的，可我的也没有呀！后来再add1文件夹后面随便加个123.jpg。嘿，竟然搞定了。自己果然很菜啊！

效果展示：

上面是打印的三维矩阵的一部分，和打印的图片。

上面是按照jpeg格式编码存入D盘add1文件夹下的图像。

详细参考：《TensorFlow实战Google深度学习框架》第二版7.2.1节。

不当之处，欢迎指正！