这是一个快速的帖子，展示如何使用tf. image.cropAndResize函数将图像裁剪并调整为方形。
这个函数是为一个特定的目的而创建的，即切出一个人脸检测算法所给出的边界框。但你也可以把它用于其他目的
你的图像可以来自HTML Canvas、HTML Image或甚至HTML Video元素。
首先，我们使用tf.browser.fromPixels
将其转换为张量。
let imageTensor = tf.browser.fromPixels(imageData);
其中imageData: (tf.PixelData | ImageData | HTMLImageElement | HTMLCanvasElement | HTMLVideoElement)
由于图像的像素值为[0, 255]，我们需要对其进行标准化处理。
const offset = tf.scalar(255.0);
const normalized = imageTensor.div(offset);
现在我们几乎已经准备好使用tf.image.cropAndResize()函数了。
tf.image.cropAndResize (image, boxes, boxInd, cropSize, method?, extrapolationValue?)
参数:
- image：一个分批的张量（4-D），即一个要以张量格式调整大小的标准化图像列表。
- boxes：一个在裁剪中使用的盒子的列表。每个盒子指定坐标为[上，左，下，右]。这些坐标是标准化的，这意味着它们必须在[0,1]之间。
- boxInd - 1D Tensorf，指定盒子所指的图像的索引。
- cropSize - 这控制了图像裁剪后的宽度和高度。
在这个例子中，取自我为演示快速风格转换而创建的Tensorflow.js小工具，我们正在调整一张图片的大小，并将其裁剪成一个正方形。
const imgSize = Math.min(imageData.width, imageData.height);
const left = (imageData.width - imgSize) / 2;
const top = (imageData.height - imgSize) / 2;
const right = (imageData.width + imgSize) / 2;
const bottom = (imageData.height + imgSize) / 2;
let boxes = [[top / imageData.height, left / imageData.width, bottom / imageData.height, right / imageData.width]];
result = tf.image.cropAndResize(batched, boxes, [0], [size,size])
你可以查看Github资源库，看看这个函数的运行情况。
资源: Tensorflow.js API文档js.tensorflow.org/api/latest/…
