scratch lenet(1): 读写 pgm 图像文件

scratch lenet(1): 读写 pgm 图像文件

1. 目的

最近在 github 上关注了 LLM 的流行库 llama.cpp 和 whisper.cpp 的作者 Georgi Gerganov, 简称 gg 哥。 通过 gg哥关注到了 deepdream 算法作者开源的 deepdream_c 代码。完全用 C89 写成的 deepdream， 编译只需要1秒钟， Windows 和 Linux 都能运行。完全不依赖 PyTorch 和 OpenCV 等框架， 连 C++ 都没使用，非常克制， 可移植性非常高。这个风格和 gg 哥的风格有点像的： 喜欢单一的 .vimrc 文件， 写 ggml 主要放在一个16000行的文件中。打算按照这种风格， 用 C99 标准，不借助外部库， 实现 lenet。

实现过程中难免遇到不熟悉的内容， 因为这是一种“全都自己造”的风格； 没关系， 我会尝试逐一弄懂， 以博客形式分享出来。

这是这系列的第一篇， 分享的是 pgm 图像的读写。用 pgm 格式的原因是， 项目规模非常小的时候， BMP 的编解码都显得过于复杂， 目前只需要灰度图的前提下， pgm 足够使用， 而 Linux KDE 下的默认图像查看器， 完全可以查看 pgm 格式。

2. pgm 格式介绍

2.1 概要

pgm 里的 g 表示 gray， 是灰度图， 数据范围通常是 0 到 255。

pgm 文件，以二进制格式进行存储， 不过它的内容其实是 文本 + 二进制混合的：meta 信息是文本， 图像像素内容是二进制。

2.2 meta 信息

第一行是 P5 两个字符。
第二行是空格分隔的两个整数， 分别表示图像宽度，高度。
第三行是一个整数， 表示像素最大取值， 通常是255。

这些信息都是文本格式写入， 也就是用 fprintf 写入， fscanf 读取。也可以用记事本查看 .pgm 文件。

2.3 像素内容

用二进制形式存储， row-major。
也就是说， 用 fread 读取， 用 fwrite 写入。

3. 创建 .pgm 文件

我的开发环境是 Ubuntu 22.04， KDE 桌面， 也可以叫做 “KUbuntu”. 不过我认为 KUbuntu 的叫法很奇怪，Ubuntu 并不限制你用什么桌面， 安装了 KDE 之后也可以安装 Cinamon， XFCE 等桌面， 如果安装的不是 Ubuntu 而是 OpenSude， Manjaro 等 Linux 发行版， 也可以安装 KDE。

我使用 KDE 里的 KolourPaint 这个绘图软件，制作一张手写数字“3”的图像：

保存图像， 选择 .pgm 格式：

4. 使用C语言读取 .pgm 灰度图文件

4.1 实现

简单起见， 我们直接读取刚刚用 KolourPaint 生成的 3.pgm 文件。你也可以直接下载：
3.pgm：一张绘图图，格式为pgm

uchar g_image[784];
void read_pgm_image()
{
    FILE* fin = fopen("3.pgm", "rb");
    char magic[3];
    int width, height;
    int nscan = fscanf(fin, "%2s\n%d %d\n255\n", magic, &width, &height);

    if (nscan == 3 && magic[0] == 'P' && magic[1] == '5')
    {
        fread(g_image, 784, 1, fin);
    }
    fclose(fin);
}

如果打算读取其他 .pgm 文件， 可以自行重构， 其中 784 等于 28 * 28, 是图像大小。

4.2 解释

FILE* fin = fopen("3.pgm", "rb"); 是以二进制格式打开文件 3.pgm.

读取第一行的 P5 两个字符时， 使用了

char magic[3];

而不是

char magic[2];

原因是避免内存越界， 具体分析见 Cracking C++(13): 读取不超过n个字符。

int nscan = fscanf(fin, "%2s\n%d %d\n255\n", magic, &width, &height); 是读取 meta 信息，是以文本方式读取。

fread(g_image, 784, 1, fin); 是读取像素内容， 是按二进制格式读取。

5. 使用C语言保存 .pgm 灰度图文件

和读取过程是配套的，代码如下

void write_pgm_image(uchar* image, int width, int height, const char* filename)
{
    FILE* fout = fopen(filename, "wb");
    fprintf(fout, "P5\n%d %d\n255\n", width, height);
    fwrite(image, width * height, 1, fout);
    fclose(fout);
}