python - tf.image.random_brightness 在 TensorFlow 中随机给出负值

Question

'我正在尝试使用旋转、随机亮度、随机饱和度等各种方法在 TensorFlow 中增强图像数据。我观察到 tf.image.random_brightness 的输出不一致 - 有时它会产生负值。我理解随机性，但产生负值是否正确？当我尝试使用 matplotlib.pyplot 绘制图像时，它无法显示 ValueError: Floating point image RGB values must be in the 0..1 range下面是一些代码示例:'

# Function which reads file and converts to image array
def read_images_from_file (input_queue):
    label = input_queue[1]

    file_content = tf.read_file(input_queue[0])
    image = tf.image.decode_jpeg(file_content, channels=NUM_CHANNELS)
    image = tf.image.convert_image_dtype(image, dtype=tf.float32, saturate=True)
    image = tf.image.resize_images(image, [IMAGE_HEIGHT, IMAGE_WIDTH])

.....
    #inside a function which applies various augmentations - code shown only for brightness

    X_init = tf.placeholder(tf.float32, shape=images.shape)
    X = tf.Variable(X_init)

    sess.run(tf.variables_initializer([X]), feed_dict={X_init: images})
    aug_images, aug_labels = (sess.run(tf.map_fn(lambda params: (tf.image.random_brightness(params[0], 0.8, 1), params[1]), (X, labels))))

    #inside a loop after calling above function - output of function is returned to aug_train_images

    print (aug_train_images[i])


'Some sample output:'
    [[[-0.18852733 -0.27872342 -0.31009597]
      [-0.18059228 -0.2786315  -0.3060825 ]
      [-0.1765788  -0.27461803 -0.302069  ]
      ...

      [-0.20366213 -0.19974056 -0.18405429]
      [-0.22792684 -0.22437292 -0.20458125]
      [-0.24324547 -0.23166458 -0.21205674]]

“我在 Ubuntu 16.10 上使用带有 Python 3.5.3 和 TensorFlow CPU 版本 1.5.0-rc0 的 Jupyter notebook。”

Answer 1

您允许强度(增量)在 -0.8 和 0.8 之间随机变化:

tf.image.random_brightness(params[0], 0.8, 1)

请注意，图像的强度在 [0-1] 范围内，因为您这样做了:

image = tf.image.convert_image_dtype(image, dtype=tf.float32, saturate=True)

这意味着图像中的每个强度值 i 将更改为介于:

[i-0.8, i+0.8]

超出图像的 [0-1] 范围。换句话说，您将拥有负值和大于 1 的值。

第一个评论是 0.8 的 delta 似乎太多了(当然这取决于问题)。我建议大约 0.1(即允许 10% 的变化)。

第二件事，你必须确保在改变亮度后，图像仍然是图像，也就是说，将强度限制在 [0-1] 范围内。您可以通过以下方式做到这一点:

image = tf.clip_by_value(image, 0.0, 1.0)