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
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呐喊教程。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。