如何生成清晰的图像 Cifar-10答案

【问题标题】：How do I generate sharp images Cifar-10如何生成清晰的图像 Cifar-10
【发布时间】：2017-07-21 15:36:40
【问题描述】：

我正在使用 tensorflow，并尝试在 Cifar-10 上可视化自动编码器的输入/输出。

我在这里关注这个答案：Why CIFAR-10 images are not displayed properly using matplotlib?

这是运行他们的代码稍作修改的结果（将 figsize 更改为 5,5）：

但是，这仍然不如原始页面中的图像清晰：https://www.cs.toronto.edu/~kriz/cifar.html

我怎样才能做得更好？

【问题讨论】：

标签： python python-2.7 numpy matplotlib tensorflow

【解决方案1】：

这里可能有两个问题：

问题 1：

看起来您的颜色通道（红色、绿色、蓝色）是混合的。这可以解释为什么颜色如此奇怪。如果是这种情况，您将需要交换阵列中的颜色通道，如下所示。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.cbook import get_sample_data

rgb_image = plt.imread(get_sample_data("grace_hopper.png", asfileobj=False))

# correct color channels (R, G, B)
plt.figure()
plt.imshow(rgb_image)
plt.axis('off')

# swapped color channels (R, B, G)
rgb_image = rgb_image[:, :, [0, 2, 1]]
plt.figure()
plt.imshow(rgb_image)
plt.axis('off')

问题 2：

Matplotlib 的 plt.imshow 有一个关键字参数 interpolation，如果未指定，则默认为 None。 Matplotlib 然后参考您的本地样式表来确定默认的插值行为。根据您的样式表，这可能会导致应用插值，从而导致图像失真。请参阅documentation for imshow for more details。

如果你想保证 Matplotlib 不会对你的图像进行插值，你应该在 plt.imshow 中指定 interpolation="none"。这是令人困惑的，因为None 的默认 NoneType 值与"none" 的字符串值产生不同的行为。

red = np.zeros((100, 100, 3), dtype=np.uint8)
red[:, :, 0] = 255
red[40:60, 40:60, :] = 255

# with interpolation
plt.figure()
plt.imshow(red, interpolation='bicubic') 
plt.axis('off')

# without interpolation
plt.figure()
plt.imshow(red, interpolation='none') 
plt.axis('off')

【讨论】：

在 Matplotlib 2.0 中，默认插值已更改为 'image.interpolation': 'nearest'

【解决方案2】：

也许你应该做这样的事情。图像非常小，高度和宽度均为 32 像素，因此只有在缩略图大小时它们才会更清晰。我在这里使用双三次变换对其进行了插值。但是您可以将其更改为“无”，这样您将获得像素化图像，而不是模糊。

def unpickle(file):
    with open(file, 'rb') as fo:
        dict1 = pickle.load(fo, encoding='bytes')
    return dict1

pd_tr = pd.DataFrame()
tr_y = pd.DataFrame()

for i in range(1,6):
    data = unpickle('data/data_batch_' + str(i))
    pd_tr = pd_tr.append(pd.DataFrame(data[b'data']))
    tr_y = tr_y.append(pd.DataFrame(data[b'labels']))
    pd_tr['labels'] = tr_y

tr_x = np.asarray(pd_tr.iloc[:, :3072])
tr_y = np.asarray(pd_tr['labels'])
ts_x = np.asarray(unpickle('data/test_batch')[b'data'])
ts_y = np.asarray(unpickle('data/test_batch')[b'labels'])    
labels = unpickle('data/batches.meta')[b'label_names']

def plot_CIFAR(ind):
    arr = tr_x[ind]
    R = arr[0:1024].reshape(32,32)/255.0
    G = arr[1024:2048].reshape(32,32)/255.0
    B = arr[2048:].reshape(32,32)/255.0

    img = np.dstack((R,G,B))
    title = re.sub('[!@#$b]', '', str(labels[tr_y[ind]]))
    fig = plt.figure(figsize=(3,3))
    ax = fig.add_subplot(111)
    ax.imshow(img,interpolation='bicubic')
    ax.set_title('Category = '+ title,fontsize =15)

plot_CIFAR(4)

【讨论】：