TF之p2p：基于TF利用p2p模型部分代码实现提高图像的分辨率

CV之SR：基于TF框架实现图像超分辨率源代码(提高图像的分辨率，源自pix2pix模型中的部分代码)

目录

基于TF框架实现图像超分辨率源代码(提高图像的分辨率，源自pix2pix模型中的部分代码)

1、tfimage.py文件功能解释

create_op、decode_jpeg、decode_png 

load函数

create_op函数定义了若干函数

2、process.py添加一个新操作

程序代码源自：https://github.com/affinelayer/pix2pix-tensorflow 

基于TF框架实现图像超分辨率源代码(提高图像的分辨率，源自pix2pix模型中的部分代码) 1、tfimage.py文件功能解释 create_op、decode_jpeg、decode_png 

此处的create_op就调用了tf.get_default_session().run()方法，可以将Tensor 操作的函数转变为对Numpy 数组操作的函数，转换后的函数输出为Numpy的数组，而不是Tensor。例如，下面的decode_jpeg和decode_png。

def create_op(func, **placeholders):
    op = func(**placeholders)

    def f(**kwargs):
        feed_dict = {}
        for argname, argvalue in kwargs.items():
            placeholder = placeholders[argname]
            feed_dict[placeholder] = argvalue
        return tf.get_default_session().run(op, feed_dict=feed_dict)

    return f


decode_jpeg = create_op(
    func=tf.image.decode_jpeg,
    contents=tf.placeholder(tf.string),
)

decode_png = create_op(
    func=tf.image.decode_png,
    contents=tf.placeholder(tf.string),
)

load函数

tfimage.py里使用decode_jpeg和deco de_png定义了一个load函数。load函数的输入是一个图片文件路径，返回的是numpy. ndarray 形式的图像数据。

def load(path):
    with open(path, "rb") as f:
        contents = f.read()
        
    _, ext = os.path.splitext(path.lower())

    if ext == ".jpg":
        image = decode_jpeg(contents=contents)
    elif ext == ".png":
        image = decode_png(contents=contents)
    else:
        raise Exception("invalid image suffix")

    return to_float32(image=image)

create_op函数定义了若干函数

rgb_to_grayscale = create_op(
    func=tf.image.rgb_to_grayscale,
    images=tf.placeholder(tf.float32),
)

……

crop = create_op(
    func=tf.image.crop_to_bounding_box,
    image=tf.placeholder(tf.float32),
    offset_height=tf.placeholder(tf.int32, []),
    offset_width=tf.placeholder(tf.int32, []),
    target_height=tf.placeholder(tf.int32, []),
    target_width=tf.placeholder(tf.int32, []),
)

pad = create_op(
    func=tf.image.pad_to_bounding_box,
    image=tf.placeholder(tf.float32),
    offset_height=tf.placeholder(tf.int32, []),
    offset_width=tf.placeholder(tf.int32, []),
    target_height=tf.placeholder(tf.int32, []),
    target_width=tf.placeholder(tf.int32, []),
)

2、process.py添加一个新操作

process.py 的主处理函数process 使用了上述load 函数读入图片，接着做了一些处理后保存。

def process(src_path, dst_path):
    src = im.load(src_path)

    if a.operation == "grayscale":
        dst = grayscale(src)
    elif a.operation == "resize":
        dst = resize(src)
    elif a.operation == "blank":
        dst = blank(src)
    elif a.operation == "combine":
        dst = combine(src, src_path)
    elif a.operation == "edges":
        dst = edges(src)
    elif a.operation == "blur":
        dst = blur(src)
    else:
        raise Exception("invalid operation")

    im.save(dst, dst_path)