了解 tensorflow 中 tf.slice 的参数以及为什么我不能更改它

Question

下面是我的代码：

import matplotlib.pyplot as plt
import matplotlib.image as mp_image
filename = "abc.jpeg"
input_image = mp_image.imread(filename)
my_image=tf.placeholder("uint8",[None, None, 3])
myimage=tf.placeholder("uint8",[None, None, 3])
slice1=tf.slice(my_image,[0,100,0],[300,400,-1]) #[x,y,?],[x,y,?]
with tf.Session() as sess:
    result = sess.run(slice1,feed_dict={my_image: input_image})
print(result.shape)
plt.imshow(result)
plt.show()

在切片 1 中，作为列表传递的参数表示 [x,y,?],[x,y,?]。

在 tf.slice(image_tensor,[0,0,0],[100,200,-1]) 中。这里的 0 和 -1 代表什么，为什么我不能更改它们？

Answer 1

查看tf.slice的文档字符串，参数分别为input_、begin和size。你的代码在做

slice1=tf.slice(my_image,[x_begin,y_begin,channel_begin],[x_size,y_size,channel_size])

请注意，第三个参数描述的是size，而不是绝对的to 索引（@XMANX 是错误的）。 size 参数接受标记值 -1，这意味着维度中的所有剩余元素都包含在切片中。

例如，如果您有一个张量 t，形状为 [X, Y, Z]

tf.slice(t, [x_begin, y_begin, z_begin], [x_size, y_size, z_size])

相当于做

t[x_begin : x_begin+x_size, y_begin : y_begin+y_size, z_begin : z_begin+z_size]

为了仅从图像中提取 R 通道，您可以执行以下操作：

import matplotlib.pyplot as plt
import matplotlib.image as mp_image

filename = "abc.jpeg"
input_image = mp_image.imread(filename)
my_image=tf.placeholder("uint8",[None, None, 3])
# Doesn't slice along the x and y dimensions, but takes only one channel
sliced = tf.slice(my_image,[0, 0, 0], [-1, -1, 1])
squeezed = tf.squeeze(slice)  # Removes last dimension
with tf.Session() as sess:
    result = sess.run(squeezed,feed_dict={my_image: input_image})
plt.imshow(result)
plt.show()

Answer 2

[x,y,?],[x,y,?] 在你的情况下，形状的第三个参数是图像通道数

对于第二个问题的答案，让我们看看tf.slice 是如何工作的，如果图像具有 RGB 通道，它看起来像 tf.slice([from_x, from_y, from_channel], [to_x, to_y, to_channel]) 在形状定义中你可以使用 -1 这样你告诉传感器流量切片到最大可用值。从您的代码示例中，您尝试切片输入图像[0,100, 0],[300,400, 3]，您可以更改第三个参数，它是一个有效的代码，但应该记住matplotlib 只允许您显示图片(M, N), (M, N, 3), (M, N, 4)

代码说明：

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
import matplotlib.image as mp_image

filename = "abc.png"
input_image = mp_image.imread(filename)
my_image = tf.placeholder("float32",[None, None, 3])
myimage = tf.placeholder("float32",[None, None, 3])

# this way you slicing RGB image
slice1=tf.slice(my_image,[0,100,0],[300, 400, -1])

with tf.Session() as sess:
    result = sess.run(slice1, feed_dict={my_image: input_image})

plt.subplot(1, 2, 1)
plt.imshow(result)

# this way you slicing image and keep just R channel
slice1=tf.slice(my_image,[0,100,0],[300, 400, 1]) #[x,y,?],[x,y,?]

with tf.Session() as sess:
    result = sess.run(slice1, feed_dict={my_image: input_image})

plt.subplot(1, 2, 2)
# matplotlib imshow show need extra options to render image with single chanel
plt.imshow(np.reshape(result, (result.shape[0], result.shape[1])), cmap='gray')
plt.show()

result image