方法一：直接使用tensorflow提供的函数image = tf.gfile.FastGFile('PATH')来读取一副图片:

import matplotlib.pyplot as plt;  import tensorflow as tf;    % matplotlib inline #将matplotlib绘制的图像直接输出到当前交互式的框架下image_raw_data_jpg = tf.gfile.FastGFile('home/ubuntu-mm/TensorFlow/Learning/D-TestJupyter/image/Train/Pic.jpg', 'r').read()    with tf.Session() as sess:      img_data_jpg = tf.image.decode_jpeg(image_raw_data_jpg) #图像解码      img_data_jpg = tf.image.convert_image_dtype(img_data_jpg, dtype=tf.uint8) #改变图像数据的类型        plt.figure(1) #图像显示      plt.imshow(img_data_jpg.eval())     print sess.run(img_data_jpg)

我用的是基于Ubuntu16.04操作系统下的Jupyter来编写的程序，CPU版本（记得加% matplotlib inline就能显示出图像了）

实验的结果如下所示：

方法二：将图像加载到创建好的队列中使用tf.train.string_input_producer（），然后再加载到变量当中：

import tensorflow as tf;    import matplotlib.pyplot as plt  path = '/home/ubuntu-mm/TesorFlow/Learning/D-TestJupyter/images/Train/Pic.jpg'  file_queue = tf.train.string_input_producer([path]) #创建输入队列  image_reader = tf.WholeFileReader()  _, image = image_reader.read(file_queue)  image = tf.image.decode_jpeg(image)    with tf.Session() as sess:      coord = tf.train.Coordinator() #协同启动的线程      threads = tf.train.start_queue_runners(sess=sess, coord=coord) #启动线程运行队列      print sess.run(image)      coord.request_stop() #停止所有的线程      coord.join(threads)      image_uint8 = tf.image.convert_image_dtype(image, dtype = tf.uint8)    plt.imshow(image_uint8.eval())

实验结果如下所示：