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

Question

``我正在尝试使用TensorFlow中的图像数据增强方法，例如旋转，随机亮度，随机饱和度等各种方法。我观察到的是tf.image.random_brightness的输出不一致-有时会产生负值。我了解随机性，但是产生负值是否正确？当我尝试使用matplotlib.pyplot绘制图像时，它无法显示ValueError：浮点图像RGB值必须在0..1范围内。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上使用具有Python 3.5.3和TensorFlow CPU版本1.5.0-rc0的Jupyter笔记本。''

Answer 1

您允许强度（delta）在-0.8到0.8之间随机变化：

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

请注意，图像强度在[0-1]范围内，因为您这样做：

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都会在以下之间变化：

[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。

第一条评论是0.8的增量似乎太大（当然，这取决于问题）。我建议在0.1左右（即允许10％的变化）。

第二件事是，您必须确保更改亮度后，图像仍然是图像，即将强度限制在[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)