在使用深度學習對影象進行訓練時，對影象進行隨機旋轉有助於提升模型泛化能力。然而之前在做旋轉等預處理工作時，都是先對影象進行旋轉後儲存到本地，然後再輸入模型進行訓練，這樣的過程會增加工作量，如果圖片數量較多，生成旋轉的影象會佔用更多的空間。直接在訓練過程中便對影象進行隨機旋轉，可有效提升工作效率節省硬碟空間。

使用TensorFlow對影象進行隨機旋轉如下：

TensorFlow版本為1.13.1

#-*- coding:utf-8 -*-
'''
  使用TensorFlow進行影象的隨機旋轉示例
'''
 
import tensorflow as tf
import numpy as np
import cv2
import matplotlib.pyplot as plt
 
 
img = cv2.imread('tf.jpg')
img = cv2.resize(img,(220,220))
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
 
def tf_rotate(input_image,min_angle = -np.pi/2,max_angle = np.pi/2):
  '''
  TensorFlow對影象進行隨機旋轉
  :param input_image: 影象輸入
  :param min_angle: 最小旋轉角度
  :param max_angle: 最大旋轉角度
  :return: 旋轉後的影象
  '''
  distorted_image = tf.expand_dims(input_image,0)
  random_angles = tf.random.uniform(shape=(tf.shape(distorted_image)[0],),minval = min_angle,maxval = max_angle)
  distorted_image = tf.contrib.image.transform(
    distorted_image,tf.contrib.image.angles_to_projective_transforms(
      random_angles,tf.cast(tf.shape(distorted_image)[1],tf.float32),tf.cast(tf.shape(distorted_image)[2],tf.float32)
    ))
  rotate_image = tf.squeeze(distorted_image,[0])
  return rotate_image
 
global_init = tf.global_variables_initializer()
with tf.Session() as sess:
  init = tf.initialize_local_variables()
  sess.run([init,global_init])
  coord = tf.train.Coordinator()
  threads = tf.train.start_queue_runners(coord=coord)
  image = tf.placeholder(shape=(220,220,3),dtype=tf.float32)
 
  rotate_image = tf_rotate(image,-np.pi/2,np.pi/2)
  output = sess.run(rotate_image,feed_dict={image:img})
  # print('output:',output)
  plt.imshow(output.astype('uint8'))
  plt.title('rotate image')
  plt.show()

結果如下：

原圖：

隨機旋轉後的圖：

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。