作為計算機視覺開發者，使用TensorFlow進行簡單的圖像處理是基本技能，而TensorFlow在tf.image包中支援對圖像的常見的操作包括：
亮度調整
對比度調整
飽和度調整
圖像采樣插值放縮
色彩空間轉換
Gamma校正
标準化
圖像的讀入與顯示我們通過OpenCV來實作，這裡需要注意一點，OpenCV中圖像三個通道是BGR，如果你是通過tensorflow讀取的話三個通過順序是RGB。圖像讀取的代碼如下：
1.opencv方式
2.tensorflow方式
3.使用OpenCV顯示圖像
原圖顯示如下：
支援三種方式，分别是臨界點插值、雙線性插值與雙立方插值，不過我發現在使用雙立方插值的時候，tensorflow處理之後圖像總是會出現一些噪點，這個算不算它的BUG
- tf.image.resize_nearest_neighbor # 臨界點插值
- tf.image.resize_bilinear # 雙線性插值
- tf.image.resize_bicubic # 雙立方插值算法
示範代碼如下：
顯示圖像如下：
圖像亮度是圖像基本屬性之一，tensorflow支援兩種方式API對圖像亮度進行調整
- tf.image.adjust_brightness
- tf.image.random_brightness
使用上述API的時候需要對圖像進行次元添加為四維的tensor資料，完整的圖像亮度調整的代碼如下：
圖像對比度是圖像基本屬性之一，tensorflow支援兩種方式API對圖像對比度進行調整
- tf.image.adjust_contrast
- tf.image.random_contrast
前面一種全局調整，後面一種方式是随機調整，對比度調整的代碼示範如下：
伽瑪校正就是對圖像的伽瑪曲線進行編輯，以對圖像進行非線性色調編輯的方法，檢出圖像信号中的深色部分和淺色部分，并使兩者比例增大，進而提高圖像的對比度。相關API為：
- tf.image.adjust_gamma
常見gamma的取值範圍為0.05~5之間，tensorflow實作gamma校正的代碼示範如下：
圖像飽和度是圖像HSV色彩空間最常見的名額之一，通過調整圖像飽和度可以得到更加自然光澤的圖像，tensorflow中飽和度調整的API如下：
tf.image.adjust_saturation
常見的飽和度調整範圍在0～5之間取值即可，示範代碼如下：
這裡要特别說明一下，飽和度調整不支援4D tensor對象，是以讀入的RGB圖像即可“`。無需再次進行次元增加操作。最終調整之後的示範圖像如下：
6.圖像标準化
這個在tensorflow中對圖像資料訓練之前，經常會進行此步操作，它跟歸一化是有差別的。歸一化的圖像直方圖不會改變，标準化會改變圖像直方圖分布，标準化API如下：
- tf.image.per_image_standardization
圖像标準化實作代碼如下：
示範結果如下：
7.圖像色彩空間轉換
tensorflow支援常見圖像色彩空間轉換，包括RGB、HSV、灰階色彩空間，相關API如下：
- tf.image.rgb_ to_hsv
- tf.image.rgb_ to_grayscale
- tf.image.hsv_ to_rgb
将圖像從RGB色彩空間轉換到灰階空間的代碼示範如下：
結果顯示如下：
tensorflow中還提供一些其他的圖像操作相關API，比如裁剪、填充、随機調整亮度、對比度等，還有非最大信号壓制等操作，感興趣的可以自己進一步學習。
<b>歡迎關注微信公衆号</b>
<b>【OpenCV學堂】</b>