学习笔记：caffe2 教程记录三

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zr940326/article/details/82263563

接着caffe2 教程记录二，这个是第三篇

##3.图像加载与预处理

 图像加载和预处理：

在本教程中，我们将研究如何从本地文件或URL加载图像，然后您可以在其他教程或示例中使用这些文件。此外，我们将深入研究使用caffe2 和图像时所需的预处理类型。

mac osx 先决条件

如果您尚未安装这些python 依赖，你现在需要这样做。（ 执行下面的命令，进行安装）

sudo pip install scikit-image scipy matplotlib

fromfrom  __future____futur  import absolute_import
from __future__ import division
from __future__ import print_function
from __future__ import unicode_literals

%matplotlib inline
import skimage
import skimage.io as io
import skimage.transform 
import sys
import numpy as np
import math
from matplotlib import pyplot
import matplotlib.image as mpimg
print("Required modules imported.")

测试图片：

在下面的代码块中，使用IMAGE_LOCATION加载您要测试的内容。 只需更改注释标记即可完成每轮教程。 通过这种方式，您将了解各种图像格式会发生什么，以及有关如何预处理它们的一些提示。 如果要尝试自己的图像，请将其放在images文件夹中或使用远程URL。 当您选择远程URL时，请轻松自己并尝试查找指向常见图像文件类型和扩展名的URL，而不是某些长标识符或查询字符串，这可能会破坏下一步。

颜色问题：

记住，当你从智能手机摄像头加载图像时，你可能会遇到颜色格式化问题。下面我们展示RGB和BGR之间如何翻转可以影响图像的例子。这显然会导致模型中的检测失效。确保你传递的图像数据是你所想的！

caffe2 使用RGB 订单：

由于OpenCV在Caffe中的传统支持，以及它如何处理蓝绿红（BGR）顺序的图像，而不是更常用的红绿蓝（RGB）顺序，Caffe2还期望BGR顺序。从长远来看，这个决定在很多方面都有帮助，因为您使用了不同的计算机视觉实用程序和库，但是它也可能是混淆的来源。

# You can load either local IMAGE_FILE or remote URL
# For Round 1 of this tutorial, try a local image.
IMAGE_LOCATION = 'images/cat.jpg'

# For Round 2 of this tutorial, try a URL image with a flower: 
# IMAGE_LOCATION = "https://cdn.pixabay.com/photo/2015/02/10/21/28/flower-631765_1280.jpg"
# IMAGE_LOCATION = "images/flower.jpg"

# For Round 3 of this tutorial, try another URL image with lots of people:
# IMAGE_LOCATION = "https://upload.wikimedia.org/wikipedia/commons/1/18/NASA_Astronaut_Group_15.jpg"
# IMAGE_LOCATION = "images/astronauts.jpg"

# For Round 4 of this tutorial, try a URL image with a portrait!
# IMAGE_LOCATION = "https://upload.wikimedia.org/wikipedia/commons/9/9a/Ducreux1.jpg"
# IMAGE_LOCATION = "images/Ducreux.jpg"

img = skimage.img_as_float(skimage.io.imread(IMAGE_LOCATION)).astype(np.float32)

# test color reading
# show the original image
pyplot.figure()
pyplot.subplot(1,2,1)
pyplot.imshow(img)
pyplot.axis('on')
pyplot.title('Original image = RGB')

# show the image in BGR - just doing RGB->BGR temporarily for display
imgBGR = img[:, :, (2, 1, 0)]
#pyplot.figure()
pyplot.subplot(1,2,2)
pyplot.imshow(imgBGR)
pyplot.axis('on')
pyplot.title('OpenCV, Caffe2 = BGR')

---

正如您在上面的示例中所看到的，顺序的差异是很重要的。 在下面的代码块中，我们将拍摄图像并转换为BGR顺序，以便Caffe适当地处理它。
但是，等等，有更多的色彩乐趣…

Caffe更喜欢CHW订单：

现在你知道，什么是CHW和HWC吗，这两种格式经常都会出现在图像处理中。

• H: Height （高）
• W: Width （宽）
• C: Channel (渠道 颜色) 

深入研究图像数据的存储方式是内存分配顺序。您可能已经注意到，当我们第一次加载图像时，我们强制它通过一些有趣的转换。这些是数据转换，让我们可以像使用立方体一样使用图像。我们看到的是在立方体的顶部，操纵下面的层可以改变我们所看到的。我们可以修补它的基本属性，如上所述，很容易交换颜色。

对于GPU处理，这是Caffe2擅长的，这个订单需要是CHW。对于CPU处理，此顺序通常为HWC。基本上，您将要使用CHW并确保步骤包含在图像管道中。将RGB调整为BGR，将其封装为此“C”有效负载，然后调整HWC，“C”是您刚刚切换的相同颜色。

你可能会问为什么！原因指向cuDNN，这有助于加速GPU的处理。它只使用CHW，我们总结说它更快。

鉴于这两种转变，您可能认为这已足够，但事实并非如此。我们仍然需要调整大小和/或裁剪，并可能会查看方向（旋转）和镜像等内容。

旋转和镜像： 

这个话题通常保留在来自智能手机的图像上。一般来说，手机拍摄的照片很棒，但在拍摄照片的方式以及应该采用的方向方面做得非常的糟糕。然后是用户会用手机做所有的事情，让他们做设计师从未预料到的事情。相机-是的，因为通常有两个相机，这两个相机在像素数和纵横比上都采用不同大小的图片，不仅如此，它们有时会将它们镜像，有时也会以肖像和风景模式拍摄它们，有时它们不费力地告诉它们。他们在哪个模式。

在很多方面，这是您需要在预处理中评估的第一件事，然后查看大小（下面描述），然后计算颜色情况。如果你正在开发iOS，那么你很幸运，这将是比较容易的。如果你是一个超级黑客的向导开发人员，有lead-lined shorts，为Android开发，那么至少你有lead-lined shorts.

Android市场的变化是惊人的和可怕的。在理想的情况下，您可以依赖来自任何相机的图片中的EXIF数据，并使用它来确定方向和镜像，并且您有一个简单的case函数来处理转换。没有这样的运气，但你并不孤单。许多人来到你面前，为你受苦。

# Image came in sideways - it should be a portait image!
# How you detect this depends on the platform
# Could be a flag from the camera object
# Could be in the EXIF data
# ROTATED_IMAGE = "https://upload.wikimedia.org/wikipedia/commons/8/87/Cell_Phone_Tower_in_Ladakh_India_with_Buddhist_Prayer_Flags.jpg"
ROTATED_IMAGE = "images/cell-tower.jpg"
imgRotated = skimage.img_as_float(skimage.io.imread(ROTATED_IMAGE)).astype(np.float32)
pyplot.figure()
pyplot.imshow(imgRotated)
pyplot.axis('on')
pyplot.title('Rotated image')

# Image came in flipped or mirrored - text is backwards!
# Again detection depends on the platform
# This one is intended to be read by drivers in their rear-view mirror
# MIRROR_IMAGE = "https://upload.wikimedia.org/wikipedia/commons/2/27/Mirror_image_sign_to_be_read_by_drivers_who_are_backing_up_-b.JPG"
MIRROR_IMAGE = "images/mirror-image.jpg"
imgMirror = skimage.img_as_float(skimage.io.imread(MIRROR_IMAGE)).astype(np.float32)
pyplot.figure()
pyplot.imshow(imgMirror)
pyplot.axis('on')
pyplot.title('Mirror image')

 所以你可以看到我们遇到了一些问题。 如果我们正在探测地点，地标或物体，那么侧身的细胞塔就不好了。 如果我们检测文本并进行自动语言翻译，那么镜像文本就不好了。 但是，嘿，也许你想制作一个可以同时检测英语的模型。 这将是非常棒的，但不适用于本教程！

让我们把这些babies into 转换成caffe2能识别的，我们周围的标准检测模型可以检测到的。此外，这个小技巧可能会拯救你，例如，例如，你真的必须检测细胞塔，但没有找到EXIF数据：那么你将循环每一次旋转，每次翻转，产生这张照片的许多衍生物 并运行它们。 当检测的置信度百分比足够高时，Bam !,你找到了你需要的方向和偷偷摸摸的细胞塔。

总之，对于示列代码：

# Run me to flip the image back and forth
imgMirror = np.fliplr(imgMirror)
pyplot.figure()
pyplot.imshow(imgMirror)
pyplot.axis('off')
pyplot.title('Mirror image')

# Run me to rotate the image 90 degrees
imgRotated = np.rot90(imgRotated, 3)
pyplot.figure()
pyplot.imshow(imgRotated)
pyplot.axis('off')
pyplot.title('Rotated image')

 

# Model is expecting 224 x 224, so resize/crop needed.# Model 
# First, let's resize the image to 256*256
orig_h, orig_w, _ = img.shape
print("Original image's shape is {}x{}".format(orig_h, orig_w))
input_height, input_width = 224, 224
print("Model's input shape is {}x{}".format(input_height, input_width))
img256 = skimage.transform.resize(img, (256, 256))

# Plot original and resized images for comparison
f, axarr = pyplot.subplots(1,2)
axarr[0].imshow(img)
axarr[0].set_title("Original Image (" + str(orig_h) + "x" + str(orig_w) + ")")
axarr[0].axis('on')
axarr[1].imshow(img256)
axarr[1].axis('on')
axarr[1].set_title('Resized image to 256x256')
pyplot.tight_layout()

print("New image shape:" + str(img256.shape))

图片大小：

预处理的一部分是调整大小。 由于我们不会进入这里的原因，Caffe2预处理中的图像应该是方形的。 另外，为了提高性能，应将它们调整为标准高度和宽度，通常小于原始来源。 在下面的示例中，我们将调整为256 x 256像素，但您可能会注意到input_height和input_width设置为224 x 224，然后用于指定裁剪。 这是几个基于图像的模型所期望的。 他们接受了大小为224 x 224的图像训练，为了使模型能够正确识别您投射的可疑图像，这些图像也应该是224 x 224。 

注意，调整大小会使图像失真一点点。在处理过程中认识到这种影响是很重要的，因为它可以对模型的结果产生影响。花和动物可以稍微伸展或挤压，但面部特征可能不会。

当原始图像的尺寸与所需的尺寸成比例地精确时，可能会发生这种情况。在这个特定的例子中，最好是调整大小到224x224，而不麻烦裁剪。让我们尝试重新缩放图像和保持纵横比的另一种策略。

重新缩放：

如果你设想肖像图像与风景图像，你就会知道有很多东西可以通过调整大小来处理，不然会搞砸。 重新缩放假设您正在锁定宽高比以防止图像失真。 在这种情况下，我们将图像缩小到与模型输入大小匹配的最短边。

在我们这里的示例中，模型大小为224 x 224.当您在1920x1080中查看显示器时，它的宽度比高度更长，如果将其缩小到224，则在用完之前就会超出高度。 宽度，所以......

风景：限制高度调整大小
纵向：限制按宽度调整大小

print("Original image shape:" + str(img.shape) + " and remember it should be in H, W, C!")
print("Model's input shape is {}x{}".format(input_height, input_width))
aspect = img.shape[1]/float(img.shape[0])
print("Orginal aspect ratio: " + str(aspect))
if(aspect>1):
    # landscape orientation - wide image
    res = int(aspect * input_height)
    imgScaled = skimage.transform.resize(img, (input_height, res))
if(aspect<1):
    # portrait orientation - tall image
    res = int(input_width/aspect)
    imgScaled = skimage.transform.resize(img, (res, input_width))
if(aspect == 1):
    imgScaled = skimage.transform.resize(img, (input_height, input_width))
pyplot.figure()
pyplot.imshow(imgScaled)
pyplot.axis('on')
pyplot.title('Rescaled image')
print("New image shape:" + str(imgScaled.shape) + " in HWC")

此时，只有一个维度设置为模型输入所需的维度。 我们仍然需要裁剪一边做一个正方形。

裁剪：

事实上，我们可以倒退并决定做一个中心作物。 所以我们不是缩小到最小的，我们可以至少在一边，我们从中间拿出一大块。 如果我们在没有缩放的情况下完成了这项操作，那么我们最终只能使用花朵踏板的一部分，因此我们仍需要对图像进行一些调整。

下面我们将尝试一些裁剪策略：

1. 只要从中间抓取你需要的精确尺寸！
2. 调整到一个非常接近的正方形然后从中间抓取。
3. 使用重新缩放的图像并抓住中间。

# Compare the images and cropping strategies
# Try a center crop on the original for giggles
print("Original image shape:" + str(img.shape) + " and remember it should be in H, W, C!")
def crop_center(img,cropx,cropy):
    y,x,c = img.shape
    startx = x//2-(cropx//2)
    starty = y//2-(cropy//2)    
    return img[starty:starty+cropy,startx:startx+cropx]
# yes, the function above should match resize and take a tuple...

pyplot.figure()
# Original image
imgCenter = crop_center(img,224,224)
pyplot.subplot(1,3,1)
pyplot.imshow(imgCenter)
pyplot.axis('on')
pyplot.title('Original')

# Now let's see what this does on the distorted image
img256Center = crop_center(img256,224,224)
pyplot.subplot(1,3,2)
pyplot.imshow(img256Center)
pyplot.axis('on')
pyplot.title('Squeezed')

# Scaled image
imgScaledCenter = crop_center(imgScaled,224,224)
pyplot.subplot(1,3,3)
pyplot.imshow(imgScaledCenter)
pyplot.axis('on')
pyplot.title('Scaled')

pyplot.tight_layout()

 正如你所看到的那样，除了最后一个之外，效果还不太好。中间的一个也可能是好的，但你不会知道，直到你尝试模型和测试大量的候选图像。在这一点上，我们可以看到我们的差异，把它分成两半，从两边去除一些像素。然而，这确实有一个缺点，因为一个偏离中心的主题会被剪辑。
如果你现在已经运行了几次教程并且在第3轮，你会发现一个相当大的问题。你错过了astronauts！你还可以从第2轮看到花的问题。截切后缺少的东西，可能会给你带来麻烦。可以这样想想：如果不知道正在使用的模型是如何准备的，那么就不知道如何，所以要使图像符合要求，因此请注意测试结果！如果模型使用了许多不同的高宽比图像，并且只是将它们压缩成一个正方形，那么随着时间推移和大量样本，它“学习”了什么是压缩的并且可以匹配的。但是，如果您正在寻找像面部特征和地标之类的细节，或者任何图像中的细微差别元素，那么这可能是危险的，并且容易出错。

没有进一步策略？

另一种策略是使用真实数据重新调整到最佳尺寸，然后使用您可以在模型中安全忽略的信息填充图像的其余部分。 因为你在这里经历了足够的经验，我们将把它保存到另一个教程中！

Upscaling(倍增)：

当你想要运行的图像是“微小”的时候，你会怎么做？在我们的例子中，我们已经准备了输入图像，规格为224x224。请考虑下面的128X128图像。

现在我们不是在谈论超分辨率或CSI效应，我们可以拍摄模糊的ATM照片，犯罪人员脖子上的纹身， 尽管如此，深度学习已经提供了一些进展 （some advances），如果您正在及时阅读本文（3/1/17之前），那么可以去看看(check this out)。我们想要做的很简单，但是，就像裁剪一样，它确实有各种你应该考虑的策略。

最基本的方法是从一个小方块到一个更大的方块，并使用defauls skimage为您提供的默认功能。 这个调整大小的方法默认插值顺序参数为1，如果你甚至关心，这个参数恰好是双线性的，但值得一提，因为这些可能是你以后需要修改问题的微调旋钮，比如奇怪的视觉伪像， 可以在图像 upscaling中引入。

imgTiny = "images/Cellsx128.png"
imgTiny = skimage.img_as_float(skimage.io.imread(imgTiny)).astype(np.float32)
print("Original image shape: ", imgTiny.shape)
imgTiny224 = skimage.transform.resize(imgTiny, (224, 224))
print("Upscaled image shape: ", imgTiny224.shape)
# Plot original
pyplot.figure()
pyplot.subplot(1, 2, 1)
pyplot.imshow(imgTiny)
pyplot.axis('on')
pyplot.title('128x128')
# Plot upscaled
pyplot.subplot(1, 2, 2)
pyplot.imshow(imgTiny224)
pyplot.axis('on')
pyplot.title('224x224')

太棒了，效果不错 您可以在形状输出中看到（128,128,4）并且您已收到（224,224,4）。 等一下！4？ 到目前为止，在每个例子中，形状的最后一个值是3！ 当我们使用png文件时，我们进入了一个新的现实; 一个可以透明的地方。 第4个值描述不透明度或透明度，具体取决于您是否为玻璃半空类型。 无论如何，我们可以很好的处理，但要注意这个数字。

重要的是要知道，在我们对图像进行进一步操作之前，如果对图像的当前格式进行简单的重采样，那么它的数据顺序和整体有效负载可能会使数据和图像变得混乱。 请记住，它目前是一个数据立方体，现在还有更多的数据，而不仅仅是红色，绿色和蓝色（以及不透明度）。 根据您决定调整大小时，您必须考虑额外的数据。

我们打破一下吧！ 将图像切换为CHW后，尝试放大图像。

imgTiny = "images/Cellsx128.png"
imgTiny = skimage.img_as_float(skimage.io.imread(imgTiny)).astype(np.float32)
print("Image shape before HWC --> CHW conversion: ", imgTiny.shape)
# swapping the axes to go from HWC to CHW
# uncomment the next line and run this block!
imgTiny = imgTiny.swapaxes(1, 2).swapaxes(0, 1)
print("Image shape after HWC --> CHW conversion: ", imgTiny.shape)
imgTiny224 = skimage.transform.resize(imgTiny, (224, 224))
print("Image shape after resize: ", imgTiny224.shape)
# we know this is going to go wrong, so...
try:
    # Plot original
    pyplot.figure()
    pyplot.subplot(1, 2, 1)
    pyplot.imshow(imgTiny)
    pyplot.axis('on')
    pyplot.title('128x128')
except:
    print("Here come bad things!")
    # hands up if you want to see the error (uncomment next line)
    #raise

 失败了，对吧，如果你让上面的代码块交换轴，然后调整图像大小，你会看到这个输出：

Image shape after resize: (224, 224, 128)

现在你有128个，你应该还有4， 糟糕。 让我们在下面的代码块中恢复并尝试其他方法。 我们将展示一个示例，其中图像小于您的输入规范，而不是正方形。 就像它可能来自一个只能在矩形带中拍摄图像的新显微镜。

imgTiny = "images/Cellsx128.png"
imgTiny = skimage.img_as_float(skimage.io.imread(imgTiny)).astype(np.float32)
imgTinySlice = crop_center(imgTiny, 128, 56)
# Plot original
pyplot.figure()
pyplot.subplot(2, 1, 1)
pyplot.imshow(imgTiny)
pyplot.axis('on')
pyplot.title('Original')
# Plot slice
pyplot.figure()
pyplot.subplot(2, 2, 1)
pyplot.imshow(imgTinySlice)
pyplot.axis('on')
pyplot.title('128x56')
# Upscale?
print("Slice image shape: ", imgTinySlice.shape)
imgTiny224 = skimage.transform.resize(imgTinySlice, (224, 224))
print("Upscaled slice image shape: ", imgTiny224.shape)
# Plot upscaled
pyplot.subplot(2, 2, 2)
pyplot.imshow(imgTiny224)
pyplot.axis('on')
pyplot.title('224x224')

好吧，这对于升级 如何失败的一个例子来说有点延伸。 得到它？ 伸展？ 然而，这可能是一种生死攸关的失败。 如果正常细胞是圆形的并且患病的细胞被拉长并弯曲怎么办？ 镰状细胞性贫血例如：

在这种情况下，你会怎么做？ 这实际上取决于模型以及它是如何训练的。 在某些情况下，可以将图像的其余部分填充为白色，或者可能是黑色，或者可能是噪声，或者甚至可以使用png和透明度并为图像设置遮罩，以便模型忽略透明区域。 看看你能想出多少有趣的事情，你也可以取得医学上的突破！

让我们继续我们已经提到的最后一步，即将图像输入调整为BGR顺序。 Caffe2还有另一个特点，即批量术语。 我们已经谈过CHW了。 对于NCHW中的图像数量，这是N.

最终预处理和批处理术语：

在下面的最后一步中，我们将把图像的数据顺序切换到BGR，将其填入Color列，然后对列进行重新排序以进行GPU处理（HCW - > CHW），然后向图像添加第四维（N） 跟踪图像的数量。 从理论上讲，您可以继续为数据添加维度，但Caffe2需要这个维度，因为它会向Caffe传达此批次中预期的图像数量。 我们将其设置为一（1）表示此批次中只有一张图像进入Caffe。 请注意，在我们检查img.shape的最终输出中，顺序是完全不同的。 我们为图像数添加了N，并改变了顺序：N，C，H，W

# This next line helps with being able to rerun this section
# if you want to try the outputs of the different crop strategies above
# swap out imgScaled with img (original) or img256 (squeezed)
imgCropped = crop_center(imgScaled,224,224)
print("Image shape before HWC --> CHW conversion: ", imgCropped.shape)
# (1) Since Caffe expects CHW order and the current image is HWC,
#     we will need to change the order.
imgCropped = imgCropped.swapaxes(1, 2).swapaxes(0, 1)
print("Image shape after HWC --> CHW conversion: ", imgCropped.shape)

pyplot.figure()
for i in range(3):
    # For some reason, pyplot subplot follows Matlab's indexing
    # convention (starting with 1). Well, we'll just follow it...
    pyplot.subplot(1, 3, i+1)
    pyplot.imshow(imgCropped[i], cmap=pyplot.cm.gray)
    pyplot.axis('off')
    pyplot.title('RGB channel %d' % (i+1))

# (2) Caffe uses a BGR order due to legacy OpenCV issues, so we
#     will change RGB to BGR.
imgCropped = imgCropped[(2, 1, 0), :, :]
print("Image shape after BGR conversion: ", imgCropped.shape)

# for discussion later - not helpful at this point
# (3) (Optional) We will subtract the mean image. Note that skimage loads
#     image in the [0, 1] range so we multiply the pixel values
#     first to get them into [0, 255].
#mean_file = os.path.join(CAFFE_ROOT, 'python/caffe/imagenet/ilsvrc_2012_mean.npy')
#mean = np.load(mean_file).mean(1).mean(1)
#img = img * 255 - mean[:, np.newaxis, np.newaxis]

pyplot.figure()
for i in range(3):
    # For some reason, pyplot subplot follows Matlab's indexing
    # convention (starting with 1). Well, we'll just follow it...
    pyplot.subplot(1, 3, i+1)
    pyplot.imshow(imgCropped[i], cmap=pyplot.cm.gray)
    pyplot.axis('off')
    pyplot.title('BGR channel %d' % (i+1))
# (4) Finally, since caffe2 expect the input to have a batch term
#     so we can feed in multiple images, we will simply prepend a
#     batch dimension of size 1. Also, we will make sure image is
#     of type np.float32.
imgCropped = imgCropped[np.newaxis, :, :, :].astype(np.float32)
print('Final input shape is:', imgCropped.shape)

在上面的输出中，您应该注意这些变化：
HWC到CHW之前和之后的变化。 3，这是移动到开头的颜色通道的数量。
在上面的图片中，您可以看到颜色顺序也已切换。 RGB成为BGR。 蓝色和红色切换位置。
最终的输入形状，意味着对图像的最后一次更改是将批处理字段添加到开头，所以现在你有（1,3,224,224）用于：

• 1 image in the batch（一张图片在批处理中）, 
• 3 color channels (in BGR)   3种颜色通道（BGR）,
• 224 height, 224高度。
• 224 width.224宽度。