使用python与caffe怎么改变通道顺序

使用python与caffe怎么改变通道顺序？相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

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)

图像原来shape：(48, 48, 3)，改之后shape：(3,48,48)

注意：reshape不能解决通道转换问题

pycaffe做识别时通道转换问题：

要注意一点的就是：Caffe中彩色图像的通道是BGR格式，图像存储是【0,255】

1.caffe.io.load_image方式 view plai cop

image = caffe.io.load_image(image_file) #加载图片

使用caffe.io.load_image()读进来的是RGB格式和0~1(float）

所以在进行识别之前要在transformer中设置transformer.set_raw_scale('data',255)(缩放至0~255）

以及transformer.set_channel_swap('data',(2,1,0)(将RGB变换到BGR）

# python中将图片存储为[0, 1]，而caffe中将图片存储为[0, 255]，所以需要一个转换  transformer.set_raw_scale('data', 255)  # 缩放到[0，255]之间  transformer.set_channel_swap('data', (2,1,0)) #交换通道，将图片由RGB变为BGR（caffe中图片是BGR格式，而原始格式是RGB，所以要转化）

2.使用cv2.imread()来读取图片

cv2.imread()接口读图像，读进来直接是BGR 格式and 0~255

所以不需要再缩放到【0,255】和通道变换【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来读取图片

对于彩色图像，不管其图像格式是PNG，还是BMP，或者JPG，在PIL中，使用Image模块的open()函数打开后，返回的图像对象的模式都是“RGB”。而对于灰度图像，不管其图像格式是PNG，还是BMP，或者JPG，打开后，其模式为“L”。所以需要转换格式，但不需要缩放到[0，255]

data = np.array(Image.open(self.dataRoot+img_list))  data = np.transpose(data,(2,0,1))#转换通道  data[[0,2],...] = data[[2,0],...] #RGB→BGR

4.对于matlab来说

Caffe中的blobs格式是N*C*H*W，分别是数量Number，通道数Channel，以及宽度Height和宽度Width

而matlab中是先宽后高，即[w，h]，图像的通道是RGB

所以需要进行相应的转换：

im_data = im (:,:,[3,2,1]) ; %RGB to BGR

im_data = permute(im_data, [2,1,3]); %旋转高度和宽度

最后，分享一个Caffe的典型python识别代码：

# -*- 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路径  sys.path.insert(0, caffe_root + '/python')    size = 227 #训练的图片尺寸  image_file = 'F:/.../.../nihao.jpg'#图片路径  model_def = 'F:/.../.../deploy.prototxt'#deploy模型文件位置  model_weights = 'F:/.../.../_iter_20000.caffemodel'#训练完的模型位置  net = caffe.Net(model_def, model_weights, caffe.TEST)     # 加载均值文件  mu = np.load(caffe_root + '/python/caffe/imagenet/ilsvrc_2012_mean.npy') ###caffe 自带的文件  mu = mu.mean(1).mean(1) # average over pixels to obtain the mean (BGR) pixel values  ###########################下面这5句等同与上面两句，选择其一#################  #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)  ##############################################################################  #图片预处理  transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) ##设定图片的shape格式(1,3,227,227)，大小由deploy 文件指定  # python读取的图片文件格式为H×W×K，需转化为K×H×W  transformer.set_transpose('data', (2,0,1)) #改变维度的顺序，由原始图片(227,227,3)变为(3,227,227)  transformer.set_mean('data', mu)   # 每个通道减去均值    # python中将图片存储为[0, 1]，而caffe中将图片存储为[0, 255]，所以需要一个转换  transformer.set_raw_scale('data', 255)  # 缩放到【0，255】之间  transformer.set_channel_swap('data', (2,1,0)) #交换通道，将图片由RGB变为BGR（caffe中图片是BGR格式，而原始格式是RGB，所以要转化）  net.blobs['data'].reshape(1,3,size, size) # 将输入图片格式转化为合适格式（与deploy文件相同）  #上面这句，第一参数：图片数量 第二个参数 ：通道数 第三个参数：图片高度 第四个参数：图片宽度    image = caffe.io.load_image(image_file) #加载图片  # 用上面的transformer.preprocess来处理刚刚加载图片  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() # 给出概率最高的是第几类，需要自己对应到我们约定的类别去

Python的优点有哪些

1、简单易用，与C/C++、Java、C# 等传统语言相比，Python对代码格式的要求没有那么严格；2、Python属于开源的，所有人都可以看到源代码，并且可以被移植在许多平台上使用；3、Python面向对象，能够支持面向过程编程,也支持面向对象编程；4、Python是一种解释性语言，Python写的程序不需要编译成二进制代码，可以直接从源代码运行程序；5、Python功能强大，拥有的模块众多，基本能够实现所有的常见功能。

看完上述内容，你们掌握使用python与caffe怎么改变通道顺序的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注亿速云行业资讯频道，感谢各位的阅读！