Tensorflow：DecodeJpeg 方法在桌面和移动设备上为同一图像提供不同的像素值

Question

我在训练模型时使用Tensorflow's DecodeJpeg 读取图像。为了在 android 设备上使用相同的方法，我使用 DecodeJpeg 为 android 编译了带有 Bazel 的 Tensorflow。

我尝试在我的桌面上读取相同的图像，这是一台运行 Windows 的 x86_64 机器。我在默认值的图像上运行DecodeJpeg 方法，dct_method 设置为''、INTEGER_FAST、INTEGER_ACCURATE。

我在arm64 设备上为相同的图像做了同样的事情。但是，在相同的设置下，同一图像的像素值存在显着差异。

例如，在 (100,100,1) 处，桌面上的值为213，而在arm64 上为204。

如何确保这两个设备的像素值相同？[![这是我使用的图像][1]][1]

更新： 在 (100,100) 的 Gimp 上，像素值为 (179,203,190)

对于dct_method 设置为INTEGER_FAST，x86_64 上(100,100) 的值为(171, 213, 165)，arm 上为(180, 204, 191)

对于dct_method 设置为INTEGER_ACCURATE，x86_64 上(100,100) 的值为(170, 212, 164)，arm 上为(179, 203, 190)

它是(170, 212, 164) 和PIL，这也是我用cv2.imread 得到的。

Answer 1

根据tensorflow image decode_jpeg documentation 我希望它在解码 jpeg 时可能与某些属性有关。 很可能是channels 属性和/或ratio 属性和/或fancy_upscaling 属性。

两者都可以改变像素的值...

关于channels：

attr 通道表示解码图像所需的颜色通道数。

接受的值为：

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 比率允许在解码期间将图像缩小一个整数因子。允许的值为 1、2、4 和 8。这比以后缩小图像要快得多。

关于fancy_upscaling：

fancy_upscaling：一个可选的布尔值。默认为真。如果为 true，则使用更慢但更好的色度平面升级（仅限 yuv420/422）。

---

请注意，您可能还需要明确指定dct_method的值，因为根据documentation，如果您不指定值，它将使用系统-具体的默认值。

在我看来，它（dct_method 为空参数）是最可能的原因，它解释了为什么在 x86_64 和 ARM 上没有相同的结果。

内部 jpeg 库更改为没有该库的版本 具体选项