tensorflow直接读取图像数据之gfile，WholeFileReader,read_file

在初涉tensorflow的时候，一般采用公开数据集进行训练，对于数据集的格式以及读取很不清楚，所以这里给出tensorflow直接读取图像序列的方法，自己进行数据集的构建。下面给出集中可以参考的方法。
一、单张图片读取
1.tensorflow的gfile读取图像，matplotlib用于可视化
使用tensorflow里面给出了一个函数用来读取图像，tf.gfile.FastGFile（‘path’， ‘rb’）.read()。读取结果是最原始的图像，没有经过解码。如果要显示读入的图像，则学要解码，tf.image.decode_jepg和tf.image.decode_png分别用于解码jpg格式和png格式的图像，得到图像的像素值，这个像素值可以用于显示图像。

import matplotlib.pyplot as pltimport tensorflow as tfimport numpy as npimage_raw = tf.gfile.FastGFile('00000011.jpg','rb').read()  #bytes，相对路径img = tf.image.decode_jpeg(image_raw)  #Tensorwith tf.Session() as sess:    print(type(image_raw)) # bytes    print(type(img)) # Tensor    print(type(img.eval())) # ndarray    print(img.eval().shape)#(240,320,3)    print(img.eval().dtype)#uint8    plt.figure(1)    plt.imshow(img.eval())     plt.show()

结果：decode输出是Tensor，eval后是ndarray

<class 'bytes'><class 'tensorflow.python.framework.ops.Tensor'><class 'numpy.ndarray'>(240, 320, 3)uint8

图1 读取显示的结果
2.tensorflow的WholeFileReader输入queue
在之前的文章中也使用到了队列读取（http://blog.csdn.net/xuan_zizizi/article/details/78400839），差别在于读取队列的reader不一样，这里首先创建图像的输入队列，然后定义reader，读取序列，读取的进行解码，再得到ndaarry。

import matplotlib.pyplot as pltimport tensorflow as tf     import numpy as np     path = '/home/zcm/tensorf/00000011.jpg'#绝对路径file_queue = tf.train.string_input_producer([path]) #创建输入队列image_reader = tf.WholeFileReader()  #reader_, image = image_reader.read(file_queue)  #reader读取序列image = tf.image.decode_jpeg(image)  #解码，tensorwith tf.Session() as sess:      coord = tf.train.Coordinator() #协同启动的线程      threads = tf.train.start_queue_runners(sess=sess, coord=coord) #启动线程运行队列      sess.run(image)    print(type(image))#tensor    coord.request_stop() #停止所有的线程      coord.join(threads)    print(type(image.eval()))#ndarray    print(image.eval().shape)#240×320×3    print(image.eval().dtype)#uint8    plt.figure(1)    plt.imshow(image.eval())     plt.show()

结果：decode输出是Tensor，eval后是ndarray，显示图和图1一样，略

<class 'tensorflow.python.framework.ops.Tensor'><class 'numpy.ndarray'>(240, 320, 3)uint8

3.tensorflow的read_file，decode输出是Tensor，eval后是ndarray
与方法1的gfile读取差别不大，只是换了一个函数read_file

import matplotlib.pyplot as pltimport tensorflow as tfimport numpy as npimage_value = tf.read_file('00000011.jpg')#相对路径，读取img = tf.image.decode_jpeg(image_value)#解码with tf.Session() as sess:    print(type(image_value)) # bytes    print(type(img)) # Tensor    print(type(img.eval())) # ndarray     print(img.eval().shape)    print(img.eval().dtype)    plt.figure(1)    plt.imshow(img.eval())    plt.show()

结果：decode输出是Tensor，eval后是ndarray，显示图和图1一样，略

<class 'tensorflow.python.framework.ops.Tensor'><class 'tensorflow.python.framework.ops.Tensor'><class 'numpy.ndarray'>(240, 320, 3)uint8

参考文献：
http://www.cnblogs.com/denny402/p/7092851.html
http://blog.csdn.net/uestc_c2_403/article/details/72689908
http://blog.csdn.net/uestc_c2_403/article/details/74435286
http://blog.csdn.net/wayne2019/article/details/77884478
http://blog.csdn.net/buptgshengod/article/details/72956846