python与caffe改变通道顺序的方法
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viewplaicop
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and0~255
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]);%RGBtoBGR
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-*-
"""
CreatedonSunMay2816:00:472017
@author:fancp，#windows下CPU模式
"""
importnumpyasnp
importcaffe
importsys
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)#averageoverpixelstoobtainthemean(BGR)pixelvalues
###########################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)
###performclassification
caffe.set_mode_cpu()
output=net.forward()
#printoutput
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
以上这篇python与caffe改变通道顺序的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。