"""

1、图片读取流程与API：

    1、构造图片文件队列

        文件队列API：

            a)tf.train.string_input_producer(string_tensor,,shuffle=True) 将输出字符串（例如文件名）输入到管道队列

                参数：

                    string_tensor    含有文件名的1阶张量

                    num_epochs:过几遍数据，默认无限过数据

                    return:具有输出字符串的队列

    2、构造图片阅读器

        图像读取API:tf.WholeFileReader  图像读取器，将文件的全部内容作为值输出的读取器

            return：读取器实例

            方法：read(file_queue):输出将是一个文件名（key）和该文件的内容（值）

    3、读取图片数据(解码过程)

        图像解码器

            1、tf.image.decode_jpeg(contents) 将JPEG编码的图像解码为uint8张量

                    return:uint8张量，3-D形状[height, width, channels]

            2、tf.image.decode_png(contents)将PNG编码的图像解码为uint8或uint16张量

                    return:张量类型，3-D形状[height, width, channels]

    4、处理图片数据，固定图像形状

        缩放图片：tf.image.resize_images(images, size)

            参数：

                images：4-D形状[batch, height, width, channels]或3-D形状的张量[height, width, channels]的图片数据

                size：1-D int32张量：new_height, new_width，图像的新尺寸

                返回4-D格式或者3-D格式图片

    5、进行批处理

        1、tf.train.batch(tensors,batch_size,num_threads = 1,capacity = 32,name=None) 读取指定大小（个数）的张量

            参数：

                tensors：可以是包含张量的列表

                batch_size:从队列中读取的批处理大小

                num_threads：进入队列的线程数

                capacity：整数，队列中元素的最大数量

                return:tensors

        2、tf.train.shuffle_batch(tensors,batch_size,capacity,min_after_dequeue,num_threads=1,) 乱序读取指定大小（个数）的张量

            参数：

                min_after_dequeue:留下队列里的张量个数，能够保持随机打乱

    6、线程协调器：

        tf.train.Coordinator() 线程协调员,实现一个简单的机制来协调一组线程的终止

            方法：

                request_stop() 请求停止

                should_stop() 检查是否要求停止

                join(threads=None, stop_grace_period_secs=120)  等待线程终止

            return:线程协调员实例

    7、开启线程操作

        tf.train.start_queue_runners(sess=None,coord=None) 收集所有图中的队列线程，并启动线程

            参数与返回值：

                sess:所在的会话中

                coord：线程协调器

                return：返回所有线程队列

2、图像知识

        黑白图(又称单通道图)：灰度值[0-255] ， 一个像素点只有一个值

        彩色图(又称三通道图)：RGB ,一个像素点有三个值

        图像数字化三要素：长度、宽度、通道数  [height,width,channels]  ,[200,200,1]

        特征：对于图片，一个像素表示一个特征

        图像样本：每一个样本必须保证特征值数量一样

        图片二阶张量：[100,200*200*1],表示100张40000个特征的黑白图

        图片三阶张量：[200,200,1]，表示一张200*200的黑白图

        图片四阶张量：[100,200,200,1]表示100张200*200的黑色图片

        图片的存储数据类型：uint8(节约空间)

        矩阵计算：float32(提高精度)

3、报错：

        1、Invalid argument: Shape mismatch in tuple component 0. Expected [200,200,3], got [200,200,4]

                解决方法：表示数据不匹配，定义为3通道，但是图片本身是4通道，因此需将定义的3通道改为4通道

"""

# coding = utf-8

import tensorflow as tf

import os

def readPic(filelist):

    """

    读取图片

    :param filelist:  文件路径+名字列表名

    :return:每张图片的张量

    """

    #1、构造文件队列

    file_queue = tf.train.string_input_producer(file_list)

    #2、构造阅读器去读取图片内容(默认读取一张图片)

    reader = tf.WholeFileReader()

    key , value = reader.read(file_queue)

    #3、对读取的图片进行解码

    image = tf.image.decode_jpeg(value)

    #4、处理图像大小

    image_size = tf.image.resize_images(image,[200,200])

    #print(image_size)

    #注意：一定要把样本的形状固定 [200,200,3],在批处理的时候要求所有图像形状固定且一致

    image_size.set_shape([200,200,3])

    #print(image_size)

    #5、进行批处理

    image_batch = tf.train.batch([image_size], batch_size=20, num_threads=1, capacity=20)

    print(image_batch)

    return image_batch

if __name__ == '__main__':

    file_name = os.listdir("./pic")

    file_list = [os.path.join("./pic",file) for file in file_name]

    image_batch = readPic(file_list)

    #print(image_batch)

    #开启会话

    with tf.Session() as sess:

        #定义一个协调器

        coord = tf.train.Coordinator()

        #开启线程

        threads = tf.train.start_queue_runners(sess,coord=coord)

        print(sess.run([image_batch]))

        #回收线程

        coord.request_stop()

        coord.join(threads)