OpenCV是一個十分強大的視覺庫，tensorflow也提供了十分強大的圖片處理函式，下面是一個簡單的例子來說明使用tensorflow和opencv兩個工具進行深度學習程式的設計。

首先是使用的原始圖片：

import tensorflow as tf
import cv2

# 這裡定義一個tensorflow讀取的圖片格式轉換為opencv讀取的圖片格式的函式
# 請注意：
# 在tensorflow中，一個畫素點的顏色順序是R，G，B。
# 在opencv中，一個畫素點的顏色順序是B，G，R。
# 因此，我們迴圈遍歷每一個畫素點，將第0位的顏色和第2位的顏色數值換一下即可。
 

# 第一個引數name：將要顯示的視窗名稱。
# 第二個引數image：儲存圖片資訊的一個tensor。
def cv2Show(name="", image=None):
    # 獲取矩陣資訊
    np = image.eval()
    # 獲取行數列數
    row, col = len(np),len(np[1])

    # 兩重迴圈遍歷
    for i in range(row):
        for j in range(col):
            # 交換數值
            tmp = np[i][j][0]
            np[i][j][0
 
] = np[i][j][2]
            np[i][j][2] = tmp

    # 顯示圖片
    cv2.imshow(name,np)
    pass

# tensorflow會話
with tf.Session() as sess:
    # 以二進位制的方式讀取圖片。
    image_raw_data = tf.gfile.FastGFile("bus.jpg", "rb").read()

    # 按照jpeg的格式解碼圖片。
    image_data = tf.image.decode_jpeg(image_raw_data)

    # 顯示原圖片。
 

    cv2Show("Read by Tensorflow+Dispalyed by Opencv",image_data)

    # opencv讀取同一張圖片。
    img = cv2.imread("bus.jpg")

    # opencv顯示圖片。
    cv2.imshow("Read by Opencv+Displayed by Opencv",img)

    # 重新調整大小。
    # resize_images(images,size,method=ResizeMethod.BILINEAR,align_corners=False)'
    # 引數如下：
    # images:需要調整的圖片，通常是一個tensor
    # size：調整之後的大小，一般是一個長度為2的list
    # method：調整大小使用的方法，這裡我們使用最近鄰居法。
    # align_corner：是否對齊四角。
    resized = tf.image.resize_images(image_data,[300,300],method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)

    # 顯示圖片。
    cv2Show("Resized:Nearest Neighbor",resized)

    # 調整大小，採用切割或者填充的方式。
    # 如果原始影象的尺寸大於目標影象，那麼這個函式會自動切割原始影象中的居中的部分。
    # 如果原始影象的尺寸小於目標影象，那麼這個函式會自動在原始影象的周圍採用全0填充。
    # resize_image_with_crop_or_pad(image, target_height, target_width)
    # image：待調整的影象。
    # target_height：目標影象的高度。
    # target_width：目標影象的寬度。
    cropped = tf.image.resize_image_with_crop_or_pad(image_data,300,300)
    cv2Show("After being cropped",cropped)

    padded = tf.image.resize_image_with_crop_or_pad(image_data,600,900)
    cv2Show("After being padded",padded)

    # 通過比例調整影象大小。
    # central_crop(image, central_fraction)
    # image：待調整的影象。
    # central_fraction：比例，是一個(0,1]之間的數字，表示需要調整的比例。這裡我們選擇的比例是0.5，即50%。
    central_cropped = tf.image.central_crop(image_data,0.5)
    cv2Show("After being central-cropped",central_cropped)

    cv2.waitKey()

使用的函式功能，引數等資訊在程式碼中均已寫明。

下面的表格實在使用調整大小的函式時常常需要使用的Method取值。

下面是程式的執行截圖：