Python Tensorflow图像读取&；显示

我有一堆类似于Cifar10格式的图像（二进制文件，

size=96*96*3

bytes/图像），一个接一个（）。我打开的文件有138MB

我试图阅读并检查包含图像的张量的内容，以确保阅读正确，但我有两个问题-

FixedLengthRecordReader

是否加载整个文件，但每次只提供一个输入？由于读取第一个

大小

字节应该相对较快。但是，代码运行大约需要两分钟

如何以可显示的格式获取实际图像内容，或在内部显示以验证图像是否可读？我确实执行了sess.run（uint8image），但是结果是空的

代码如下：

import tensorflow as tf
def read_stl10(filename_queue):
  class STL10Record(object):
    pass
  result = STL10Record()

  result.height = 96
  result.width = 96
  result.depth = 3
  image_bytes = result.height * result.width * result.depth
  record_bytes = image_bytes

  reader = tf.FixedLengthRecordReader(record_bytes=record_bytes)
  result.key, value = reader.read(filename_queue)
  print value
  record_bytes = tf.decode_raw(value, tf.uint8)

  depth_major = tf.reshape(tf.slice(record_bytes, [0], [image_bytes]),
                       [result.depth, result.height, result.width])
  result.uint8image = tf.transpose(depth_major, [1, 2, 0])
  return result
# probably a hack since I should've provided a string tensor

filename_queue = tf.train.string_input_producer(['./data/train_X'])
image = read_stl10(filename_queue)

print image.uint8image
with tf.Session() as sess:
  result = sess.run(image.uint8image)
  print result, type(result)

输出：

Tensor("ReaderRead:1", shape=TensorShape([]), dtype=string)
Tensor("transpose:0", shape=TensorShape([Dimension(96), Dimension(96), Dimension(3)]), dtype=uint8)
I tensorflow/core/common_runtime/local_device.cc:25] Local device intra op parallelism threads: 4
I tensorflow/core/common_runtime/local_session.cc:45] Local session inter op parallelism threads: 4
[empty line for last print]
Process finished with exit code 137

我在我的CPU上运行这个，如果这增加了什么的话

编辑：多亏了Rosa，我找到了纯TensorFlow解决方案。显然，在使用

字符串\u input\u producer

时，为了查看结果，需要初始化队列运行程序。 需要添加到上述代码中的唯一内容是下面的第二行：

...
with tf.Session() as sess:
    tf.train.start_queue_runners(sess=sess)
...

---

然后，可以使用

matplotlib.pyplot.imshow（result）

显示

结果中的图像。我希望这对某人有帮助。如果您还有任何问题，请随时询问我或查看Rosa答案中的链接。
在评论中与您交谈后，我相信您可以使用numpy/scipy来完成此操作。想法是读取
numpy
3d数组中的图像，并将其输入变量

from scipy import misc
import tensorflow as tf

img = misc.imread('01.png')
print img.shape    # (32, 32, 3)

img_tf = tf.Variable(img)
print img_tf.get_shape().as_list()  # [32, 32, 3]

然后可以运行图形：

init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
im = sess.run(img_tf)

并验证其是否相同：

import matplotlib.pyplot as plt
fig = plt.figure()
fig.add_subplot(1,2,1)
plt.imshow(im)
fig.add_subplot(1,2,2)
plt.imshow(img)
plt.show()


p.S.您提到：
因为它应该与阅读并行，所以了解它似乎很有用。
。对此，我可以说，在数据分析中很少有数据的读取是瓶颈。大部分时间你都会花在训练模型上。
根据标准，你可以解码JPEG/PNG图像

应该是这样的：

import tensorflow as tf

filenames = ['/image_dir/img.jpg']
filename_queue = tf.train.string_input_producer(filenames)

reader = tf.WholeFileReader()
key, value = reader.read(filename_queue)

images = tf.image.decode_jpeg(value, channels=3)

您可以找到更多信息，只需给出完整的答案：

filename_queue = tf.train.string_input_producer(['/Users/HANEL/Desktop/tf.png']) #  list of files to read

reader = tf.WholeFileReader()
key, value = reader.read(filename_queue)

my_img = tf.image.decode_png(value) # use png or jpg decoder based on your files.

init_op = tf.global_variables_initializer()
with tf.Session() as sess:
  sess.run(init_op)

  # Start populating the filename queue.

  coord = tf.train.Coordinator()
  threads = tf.train.start_queue_runners(coord=coord)

  for i in range(1): #length of your filename list
    image = my_img.eval() #here is your image Tensor :) 

  print(image.shape)
  Image.fromarray(np.asarray(image)).show()

  coord.request_stop()
  coord.join(threads)

或者，如果你有一个图像目录，你可以通过

@mttk和@salvador dali：我希望这是你所需要的
（无法评论，声誉不够，但这里有一个对我有用的修改版本）

若要@HamedMP有关
未注册默认会话的错误
，您可以使用
InteractiveSession
来消除此错误：

对于@numesanguis与
Image.show
的问题，您可以使用常规的PIL
.show（）
方法，因为
fromarray
返回图像对象

我在下面做了这两件事（注意我使用的是JPEG而不是PNG）：

使用tf.train.match_filenames加载名称\u一旦获得要使用tf.size迭代的文件数
开放式课程并享受；-）

我使用了CIFAR10格式而不是STL10，代码如下

filename_queue = tf.train.string_input_producer(filenames)
read_input = read_cifar10(filename_queue)
with tf.Session() as sess:       
    tf.train.start_queue_runners(sess=sess)
    result = sess.run(read_input.uint8image)        
img = Image.fromarray(result, "RGB")    
img.save('my.jpg')

该片段与mttk和Rosa Gronchi相同，但不知何故，我无法在运行时显示该图像，因此我将其保存为JPG文件
 您可以使用tf.keras API

import tensorflow as tf
import numpy as np
from tensorflow.keras.preprocessing.image import load_img, array_to_img

tf.enable_eager_execution()

img = load_img("example.png")
img = tf.convert_to_tensor(np.asarray(img))
image = tf.image.resize_images(img, (800, 800))
to_img = array_to_img(image)
to_img.show()

首先，scipy.misc.imread和PIL不再可用。取而代之的是使用imageio库，但作为依赖项，您需要为此安装枕头

pip install Pillow imageio

然后使用以下代码加载图像并获取其详细信息

import imageio
import tensorflow as tf

path = 'your_path_to_image' # '~/Downloads/image.png'

img = imageio.imread(path)
print(img.shape) 

或

两者都很好。
在我看来，您只读取了一个图像（基于
[维度（96）、维度（96）、维度（3）]
），而不是全部。这就是我想做的，读取一个图像并显示它，但我不确定TensorFlow是否仍加载整个文件，因为读取需要几分钟（这似乎是一个相对简单的操作，不需要那么长时间）您不想在numpy中读取文件作为3d数组并将其馈送到tensorFlow变量中有什么原因吗？正是使用纯tensorFlow。因为它应该并行读取，所以知道它似乎很有用。如果所有操作都失败，我可以在numpy中执行：）同意数据读取不是瓶颈，但是我知道应该有一种方法通过纯TensorFlow实现这一点，所以我想知道我遗漏了什么。除此之外，感谢您的回答，这很有帮助：）Salvador我们想要纯TF解决方案的原因可能是：由于TF编译过程并在自己的环境中运行它们，所以最好执行所有TF操作，以尽量减少python和TF本机计算（C）之间来回的时间。我对苏不感兴趣，但我认为这会使情况有所不同。你同意吗？@HamedMP我也希望看到TF解决方案，我也相信它会更好。问题是我不知道如何在TF中实现这一点，因此我写了一篇我知道的文章。我还相信，与训练一名模特所需的时间相比，这项开销将很小。@GayalKuruppu当然。非常感谢你，我终于找到了解决方案：）sess.run（init_op）之后的所有内容不也应该缩进2个空格吗？我得到一个：ValueError:无法使用eval（）计算张量：未注册默认会话。（对于image=my_image.eval（））实际上，我遇到了两个错误：image.show（），AttributeError:'module'对象没有属性'show'，而I tensorflow/core/kernels/fifo_queue.cc:154]跳过取消的排队attempt@GJStein我想你是对的。我用这段代码加载了大约10000张图像（总大小只有10MB），但每次运行程序时，一些随机图像都会出现错误，如“未找到节点”。此外，程序加载这些图像需要30分钟以上。我想知道为什么。Image.fromarray（np.asarray（Image））.show（）是从哪里来的？如果它是PIL的映像，那么它将无法与最新版本的TensorFlow 0.1.15配合使用。因为它使用的是Python 3.6，它不支持PIL…：/虽然这样做有效，但速度有点慢，因为load_img只使用PIL。（）Ins
pip install Pillow imageio

import imageio
import tensorflow as tf

path = 'your_path_to_image' # '~/Downloads/image.png'

img = imageio.imread(path)
print(img.shape) 

img_tf = tf.Variable(img)
print(img_tf.get_shape().as_list())