Python tf.keras.preprocessing.image.smart_resize用法及代码示例

将图像大小调整为目标大小，而不会出现纵横比失真。

用法

tf.keras.preprocessing.image.smart_resize(
    x, size, interpolation='bilinear'
)

TensorFlow 图像数据集通常会生成大小不同的图像。但是，这些图像需要进行批处理才能被 Keras 层处理。要进行批处理，图像需要共享相同的高度和宽度。

你可以简单地做：

size = (200, 200)
ds = ds.map(lambda img:tf.image.resize(img, size))

但是，如果这样做，则会扭曲图像的纵横比，因为通常它们的纵横比并不都与 size 相同。在许多情况下这很好，但并非总是如此(例如，对于 GAN，这可能是一个问题)。

请注意，将参数 preserve_aspect_ratio=True 传递给 resize 将保留纵横比，但代价是不再遵守提供的目标大小。因为tf.image.resize 不会裁剪图像，所以您的输出图像仍然会有不同的大小。

这要求：

size = (200, 200)
ds = ds.map(lambda img:smart_resize(img, size))

您的输出图像实际上是 (200, 200) ，并且不会失真。相反，图像中不适合目标尺寸的部分会被裁剪掉。

调整大小的过程是：

1. 取与目标尺寸具有相同纵横比的图像的最大居中裁剪。例如，如果 size=(200, 200) 并且输入图像的大小为 (340, 500) ，我们将沿宽度居中裁剪 (340, 340) 。
2. 将裁剪后的图像调整为目标大小。在上面的示例中，我们将 (340, 340) 裁剪调整为 (200, 200) 。