如何在Inception_v3示例中直接传入图像而非图像路径？

当然可以直接传入图像本身而非路径！你当前代码里用到的DecodeJpeg/contents:0这个输入节点，本质上就是接收图像的二进制字节数据——原来的tf.gfile.FastGFile(imagePath, 'rb').read()只是从文件读取字节的方式而已。下面给你几种常见场景的修改方案：

1. 直接传入图像二进制字节数据 #

如果你已经通过其他渠道（比如网络下载、内存缓存）拿到了图像的bytes类型数据，直接替换掉文件读取的部分即可：

import tensorflow as tf
import numpy as np

def run_inference_on_image(image_bytes):
    answer = None
    create_graph()  # 保留你原有的创建图的逻辑
    
    with tf.Session() as sess:
        softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')
        # 直接将图像字节传入模型输入节点
        predictions = sess.run(softmax_tensor, {'DecodeJpeg/contents:0': image_bytes})
        predictions = np.squeeze(predictions)
        
        # 这里可以添加你原有的结果处理逻辑（比如取Top N预测结果）
        return predictions

2. 传入PIL Image对象 #

如果你的图像是PIL格式的对象，只需先将其编码为JPEG字节再传入：

from PIL import Image
import io

def run_inference_on_pil_image(pil_image):
    # 将PIL图像转为JPEG格式的字节数组
    img_byte_buffer = io.BytesIO()
    pil_image.save(img_byte_buffer, format='JPEG')
    img_bytes = img_byte_buffer.getvalue()
    
    # 调用上面的推理函数
    return run_inference_on_image(img_bytes)

3. 传入Numpy数组格式的图像（比如OpenCV读取的图像） #

如果是OpenCV读取的BGR格式Numpy数组，需要先转为RGB格式，再编码为JPEG字节：

import cv2
import numpy as np

def run_inference_on_numpy_image(numpy_img):
    # OpenCV默认读BGR，转为Inception要求的RGB格式
    if numpy_img.shape[-1] == 3:
        numpy_img = cv2.cvtColor(numpy_img, cv2.COLOR_BGR2RGB)
    
    # 将Numpy数组编码为JPEG字节
    _, encoded_img = cv2.imencode('.jpg', numpy_img)
    img_bytes = encoded_img.tobytes()
    
    return run_inference_on_image(img_bytes)

小提示 #

• 如果你的图像是PNG等其他格式，可以把输入节点换成DecodePng/contents:0，或者统一转成JPEG字节传入会更通用；
• 确保图像尺寸符合Inception_v3的要求（默认是299x299），如果尺寸不对，可以在传入前先做resize处理。

内容的提问来源于stack exchange，提问作者송준석