一、格式轉(zhuǎn)換

opencv讀取圖片的默認(rèn)像素排列是BGR，需要轉(zhuǎn)換。PIL庫是RGB格式。

caffe底層的圖像處理是基于opencv，其使用的顏色通道順序與也是BGR(Blue-Green-Red)，而日常圖片存儲時顏色通道順序是RGB。

在Python中，將RGB順序的圖像轉(zhuǎn)成BGR順序，需要調(diào)整channel dimension的各顏色通道順序。

方法1：

img = cv2.imread('001.jpg')

img_ = img[:,:,::-1].transpose((2,0,1))

① 在opencv里，圖格式HWC，其余都是CHW，故transpose((2,0,1))

② img[:,:,::-1]對應(yīng)H、W、C，彩圖是3通道，即C是3層。opencv里對應(yīng)BGR，故通過C通道的 ::-1 就是把BGR轉(zhuǎn)為RGB

注： [::-1] 代表順序相反操作

③ 若不涉及C通道的BGR轉(zhuǎn)RGB，如Img[:,:,0]代表B通道，也就是藍(lán)色分量圖像；Img[:,:,1]代表G通道，也就是綠色分量圖像；Img[:,:,2]代表R通道，也就是紅色分量圖像。

方法2：

使用opencv自帶函數(shù)轉(zhuǎn)換圖像的R通道和B通道。

RGB -> BGR

img_bgr = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR)

BGR->RGB

img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)

方法3：

BRG轉(zhuǎn)RGB

rgb = bgr[...,::-1]

RGB轉(zhuǎn)BGR

bgr = rgb[...,::-1]

RGB轉(zhuǎn)GBR

gbr = rgb[...,[2,0,1]]

二、其他

添加Batch項一般是caffe2圖像預(yù)處理的最后一步，在經(jīng)過RGB->BGR，圖像增強(qiáng)以及HWC->CHW后，還需要在CHW前添加一個第四維N以記錄圖像樣本數(shù)量（即batchsize），所以輸入caffe的圖像格式為(N,C,H,W)，其中顏色通道C的順序是BGR。

但是對于TensorFlow這個順序有差別。TensorFlow有兩種數(shù)據(jù)格式NHWC和NCHW，默認(rèn)的數(shù)據(jù)格式是NHWC，可以通過參數(shù)data_format指定數(shù)據(jù)格式。設(shè)置為 “NHWC” 時，排列順序為 [batch, height, width, channels]；設(shè)置為 “NCHW” 時，排列順序為 [batch, channels, height, width]。

兩種數(shù)據(jù)格式的轉(zhuǎn)換：

NHWC ?> NCHW：

import tensorflow as tfx = tf.reshape(tf.range(24), [1, 3, 4, 2])out = tf.transpose(x, [0, 3, 1, 2])

NCHW ?> NHWC：

import tensorflow as tfx = tf.reshape(tf.range(24), [1, 2, 3, 4])out = tf.transpose(x, [0, 2, 3, 1])

補(bǔ)充知識：淺談opencv使用BGR而非RGB的原因

使用opencv讀取圖片時， 默認(rèn)的通道順序是BGR而非RGB，在RGB為主流的當(dāng)下， 這種默認(rèn)給我們帶來了一點不便。那么， opencv 為什么要使用BGR而非RGB呢？

目前看到的一種解釋說是因為歷史原因：早期BGR也比較流行，opencv一開始選擇了BGR，到后來即使RGB成為主流，但也不好改了。

（這個觀點未經(jīng)考證，也沒有嚴(yán)肅考證的動力， 在“碰到”新的不同解釋前， 估且就這么認(rèn)為吧）

References

https://stackoverflow.com/questions/14556545/why-opencv-using-bgr-colour-space-instead-of-rgb

以上這篇opencv-python的RGB與BGR互轉(zhuǎn)方式就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持好吧啦網(wǎng)。