使用python與caffe怎么改變通道順序？相信很多沒有經(jīng)驗的人對此束手無策，為此本文總結了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。
把通道放在前面：
image = cv2.imread(path + file) image = cv2.resize(image, (48, 48), interpolation=cv2.INTER_CUBIC) aaaa= np.transpose(image,(2, 0, 1)) print(aaaa)
圖像原來shape：(48, 48, 3)，改之后shape：(3,48,48)
注意：reshape不能解決通道轉換問題
pycaffe做識別時通道轉換問題：
要注意一點的就是：Caffe中彩色圖像的通道是BGR格式，圖像存儲是【0,255】
1.caffe.io.load_image方式 view plai cop
image = caffe.io.load_image(image_file) #加載圖片
使用caffe.io.load_image()讀進來的是RGB格式和0~1(float）
所以在進行識別之前要在transformer中設置transformer.set_raw_scale('data',255)(縮放至0~255）
以及transformer.set_channel_swap('data',(2,1,0)(將RGB變換到BGR）
重慶分公司
重慶分公司
# python中將圖片存儲為[0, 1]，而caffe中將圖片存儲為[0, 255]，所以需要一個轉換
transformer.set_raw_scale('data', 255) # 縮放到[0，255]之間
transformer.set_channel_swap('data', (2,1,0)) #交換通道，將圖片由RGB變?yōu)锽GR（caffe中圖片是BGR格式，而原始格式是RGB，所以要轉化）2.使用cv2.imread()來讀取圖片
cv2.imread()接口讀圖像，讀進來直接是BGR 格式and 0~255
所以不需要再縮放到【0,255】和通道變換【2,1,0】，不需要transformer.set_raw_scale('data',255)和transformer.set_channel_swap('data',(2,1,0)）
3.使用PIL來讀取圖片
對于彩色圖像，不管其圖像格式是PNG，還是BMP，或者JPG，在PIL中，使用Image模塊的open()函數(shù)打開后，返回的圖像對象的模式都是“RGB”。而對于灰度圖像，不管其圖像格式是PNG，還是BMP，或者JPG，打開后，其模式為“L”。所以需要轉換格式，但不需要縮放到[0，255]
data = np.array(Image.open(self.dataRoot+img_list)) data = np.transpose(data,(2,0,1))#轉換通道 data[[0,2],...] = data[[2,0],...] #RGB→BGR
4.對于matlab來說
Caffe中的blobs格式是N*C*H*W，分別是數(shù)量Number，通道數(shù)Channel，以及寬度Height和寬度Width
而matlab中是先寬后高，即[w，h]，圖像的通道是RGB
所以需要進行相應的轉換：
im_data = im (:,:,[3,2,1]) ; %RGB to BGR
im_data = permute(im_data, [2,1,3]); %旋轉高度和寬度
最后，分享一個Caffe的典型python識別代碼：
# -*- coding: utf-8 -*-
"""
Created on Sun May 28 16:00:47 2017
@author: fancp，#windows下CPU模式
"""
import numpy as np
import caffe
import sys
caffe_root = 'F:/Caffe' #########你自己的Caffe路徑
sys.path.insert(0, caffe_root + '/python')
size = 227 #訓練的圖片尺寸
image_file = 'F:/.../.../nihao.jpg'#圖片路徑
model_def = 'F:/.../.../deploy.prototxt'#deploy模型文件位置
model_weights = 'F:/.../.../_iter_20000.caffemodel'#訓練完的模型位置
net = caffe.Net(model_def, model_weights, caffe.TEST)
# 加載均值文件
mu = np.load(caffe_root + '/python/caffe/imagenet/ilsvrc_2012_mean.npy') ###caffe 自帶的文件
mu = mu.mean(1).mean(1) # average over pixels to obtain the mean (BGR) pixel values
###########################下面這5句等同與上面兩句，選擇其一#################
#blob = caffe.proto.caffe_pb2.BlobProto()
#mean_data = open( 'mean.binaryproto' , 'rb' ).read()
#blob.ParseFromString(mean_data)
#mu = np.array(caffe.io.blobproto_to_array(blob))
#mu = mu.mean(1).mean(1).mean(1)
##############################################################################
#圖片預處理
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) ##設定圖片的shape格式(1,3,227,227)，大小由deploy 文件指定
# python讀取的圖片文件格式為H×W×K，需轉化為K×H×W
transformer.set_transpose('data', (2,0,1)) #改變維度的順序，由原始圖片(227,227,3)變?yōu)?3,227,227)
transformer.set_mean('data', mu) # 每個通道減去均值
# python中將圖片存儲為[0, 1]，而caffe中將圖片存儲為[0, 255]，所以需要一個轉換
transformer.set_raw_scale('data', 255) # 縮放到【0，255】之間
transformer.set_channel_swap('data', (2,1,0)) #交換通道，將圖片由RGB變?yōu)锽GR（caffe中圖片是BGR格式，而原始格式是RGB，所以要轉化）
net.blobs['data'].reshape(1,3,size, size) # 將輸入圖片格式轉化為合適格式（與deploy文件相同）
#上面這句，第一參數(shù)：圖片數(shù)量 第二個參數(shù) ：通道數(shù) 第三個參數(shù)：圖片高度 第四個參數(shù)：圖片寬度
image = caffe.io.load_image(image_file) #加載圖片
# 用上面的transformer.preprocess來處理剛剛加載圖片
net.blobs['data'].data[...] = transformer.preprocess('data', image)
### perform classification
caffe.set_mode_cpu()
output = net.forward()
#print output
output_prob = output['prob'][0].argmax() # 給出概率最高的是第幾類，需要自己對應到我們約定的類別去Python的優(yōu)點有哪些1、簡單易用，與C/C++、Java、C# 等傳統(tǒng)語言相比，Python對代碼格式的要求沒有那么嚴格；2、Python屬于開源的，所有人都可以看到源代碼，并且可以被移植在許多平臺上使用；3、Python面向對象，能夠支持面向過程編程,也支持面向對象編程；4、Python是一種解釋性語言，Python寫的程序不需要編譯成二進制代碼，可以直接從源代碼運行程序；5、Python功能強大，擁有的模塊眾多，基本能夠實現(xiàn)所有的常見功能。
看完上述內(nèi)容，你們掌握使用python與caffe怎么改變通道順序的方法了嗎？如果還想學到更多技能或想了解更多相關內(nèi)容，歡迎關注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！
