Tensorflow：DecodeJpeg方法为桌面和移动设备提供相同图像的不同像素值

Posted 2021-04-15

我在训练模型时使用了Tensorflow的DecodeJpeg来读取图像。为了在android设备上使用相同的方法，我使用DecodeJpeg编译了Tensorflow和bazel for android。

我尝试在桌面上阅读相同的图像，这是一台运行Windows的x86_64机器。我在一个图像上运行DecodeJpeg方法，默认值为dct_method设置为''，INTEGER_FAST，INTEGER_ACCURATE。

我在arm64设备上做同样的图像。但是，在相同设置下，相同图像的像素值明显不同。

例如，在（100,100,1）桌面上的值是213，而在204上是arm64。

如何确保这两个设备的像素值相同？

更新：在(100,100)的Gimp上，像素值为(179,203,190)

对于dct_method设置为INTEGER_FAST，(100,100)在x86_64上的值是(171, 213, 165)，在臂上它是(180, 204, 191)

对于dct_method设置为INTEGER_ACCURATE，(100,100)在x86_64上的值是(170, 212, 164)，在臂上它是(179, 203, 190)

这是(170, 212, 164)与PIL，这是我与cv2.imread得到的。

答案

据tensorflow image decode_jpeg documentation说，我希望你解码jpeg时它可能与某些属性有关。最有可能是channels属性和/或ratio属性和/或fancy_upscaling attr。

它们都可以改变像素的值......

关于channels：

attr通道指示解码图像的所需数量的颜色通道。

可接受的值是：

0: Use the number of channels in the JPEG-encoded image.
1: output a grayscale image.
3: output an RGB image.

关于ratio：

attr比允许在解码期间通过整数因子缩小图像。允许的值为：1,2,4和8.这比稍后缩小图像要快得多。

关于fancy_upscaling：

fancy_upscaling：一个可选的bool。默认为True。如果为真，则使用较慢但更好的色度平面升级（仅限yuv420 / 422）。

---

请注意，您可能还必须明确指定dct_method的值，因为根据documentation，如果您没有指定值，它将使用系统特定的defaut。

在我看来，它（dct_method empty arg）是最可能的原因，它解释了为什么你在x86_64和ARM上没有相同的结果。

内部jpeg库更改为没有该特定选项的版本