读取图片的方法（三种）：
第一种：直接把图片看做是一个图片直接读取进来，先获取图片的原始数据，然后在解码
import tensorflow as tf
image_raw_data = tf.gfile.FastGFile("./test.jpg").read()
image = tf.image.decode_jpeg(image_raw_data)
image.eval(session=tf.Session())
其中：tf.gfile.FastGFile()就相当于平时使用的open()函数一样，打开文件，read方法就是读取图片中的内容以字符串的形式返回。
tf.image.decode_jpeg()，就是将一张jpeg压缩编码格式的图片解码成uint8 tensor，给予tensorflow当做tensor流进行处理。这种解码的方式还有很多如：tf.image.decode_png,tf.image.decode_image等等。。。
第二种：把图片看成一个文件，用队列的方式读取。
import tensorflow as tf
path = "./test.jpg"
file_queue = tf.train.string_input_producer([path])
image_reader = tf.WholeFileReader()
_,image = image_reader.read(file_queue)
image = tf.image.decode_jpeg(image)
with tf.Session() as sess:
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess,coord)
print sess.run(image)
coord.request_stop()
coord.join(threads)
其中：tf.train.string_input_producer()就是将文件名称全部加载到一个队列中，之后tf就是从这个队列里面读取目录，要注意一点的是这个函数的shuffle参数默认是True，也就是你传给他文件顺序是1234，但是到时候读就不一定了。
tf.WholeFileReader()创建读取文件的reader，read读取的是输入的队列。读取的仍然是原始数据，需要解码。
tf.train.Coordinator() 创建线程的协调器，帮助管理线程，当用到队列读取数据的时候需要使用。
tf.train.start_queue_runners() 启动队列，若果不启动的话，tf的队列将会无休止的挂起，程序将没有反应。
第三种：tensorflow的read_file，decode输出是Tensor，eval后是ndarray 与方法1的gfile读取差别不大，只是换了一个函数read_file
path = "./test.jpg"
image_value = tf.read_file(path)
image = tf.image.decode_jpeg(image_value)
print image.eval(session=tf.Session())
图像处理：在训练模型的时候，数据是至关重要的，但是数据收集以及标注的代价都是巨大的，所以运用图像处理技术，可以很好的扩充图像，增大数据量，缓解数据不足的问题，提高模型的识别准确率。
改变图像大小：
tf.image.resize_images(image,(256,256),tf.image.ResizeMethod.AREA)
image表示需要改变此存的图像，第二个参数改变之后图像的大小，method用于表示改变图像过程用的差值方法。0：双线性差值。1：最近邻居法。2：双三次插值法。3：面积插值法。
对图片进行裁剪或者填充：
tf.image.resize_image_with_crop_or_pad(image,100,100)
第一个参数为原始图像，后面两个参数是调整后的目标图像的高和宽。如果原始图像的尺寸大于目标图像，那么这个函数会自动截取原始图像中居中的部分。如果目标图像大于原始图像，这个函数自动在原始图像的四周填充全0背景。
图像翻转：
上下翻转：tf.image.flip_up_down(image)
左右翻转：tf.image.flip_left_right(image)
对角线翻转：tf.image.transpose_image(image)
以一定概率上下翻转：tf.image.random_flip_up_down(image)
以一定概率左右翻转：tf.image.random_flip_left_right(image)
图像色彩调整：
调整亮度：tf.image.adjust_brightness(image,-0.5)，当第二个参数为负的时候，是减少图像的亮度，正的时候，是增加亮度。
在一定范围内随机调整亮度：tf.image.random_brightness(image,0.5)，这第二个参数表示的是一个范围[-0.5,0.5)随机选值调整亮度。
调整图像对比度：tf.image.adjust_contrast(image,5)，当第二个参数为负的时候，是减少图像的对比度，正的时候，是增加对比度。
在一定范围内随机调整对比度：tf.image.random_contrast(image,lower,upper)，在[lower,upper]的范围内随机调整图像的对比度，其中upper必须大于lower，lower不能为负数。
调整图像的色相（饱和度）：
调整色相：tf.image.adjust_hue(image,0.5) 第二参数只能为正数，当为负数的时候，展现的结果是和他的正数的效果是一样的。意思是为图像的色相增加多少。
在一定范围内随机调整色相：tf.image.random_hue(image,0.5) 意思就是在[0,0.5]之间随机的调整色相。
调整饱和度：tf.image.adjust_saturation(image,5) 第二个参数为正的时候，增大图像的饱和度，反之为负，就是减小图像的饱和度。
在一定范围内随机调整饱和度：tf.image.random_saturation(image,lower,upper) 在[lower,upper]的范围内随机调整图像的饱和度，其中upper必须大于lower
图像标准化：使图像的均值变为0，方差为1（是图像的亮度）
tf.image.per_image_standardization(image)
原文：https://www.cnblogs.com/magicpig666/p/8820100.html