cv2.dnn.blobFromImage()函数用法

函数cv2.dnn.blobFromImage(image[, scalefactor[, size[, mean[, swapRB[, crop[, ddepth]]]]]])

作用：

对图像进行预处理，包括减均值，比例缩放，裁剪，交换通道等，返回一个4通道的blob(blob可以简单理解为一个N维的数组，用于神经网络的输入)

参数：

• image:输入图像（1、3或者4通道）

    可选参数

• scalefactor:图像各通道数值的缩放比例
• size:输出图像的空间尺寸,如size=(200,300)表示高h=300,宽w=200
• mean:用于各通道减去的值，以降低光照的影响(e.g. image为bgr3通道的图像，mean=[104.0, 177.0, 123.0],表示b通道的值-104，g-177,r-123)
• swapRB:交换RB通道，默认为False.(cv2.imread读取的是彩图是bgr通道)
• crop:图像裁剪,默认为False.当值为True时，先按比例缩放，然后从中心裁剪成size尺寸
• ddepth:输出的图像深度，可选CV_32F 或者 CV_8U.

注意：

  1. 当同时进行scalefactor,size,mean,swapRB操作时，优先按swapRB交换通道，其次按scalefactor比例缩放，然后按mean求减，最后按size进行resize操作

  2. 当进行减均值操作时，ddepth不能选取CV_8U，否则报错:

OpenCV(4.1.2) D:\Build\OpenCV\opencv-4.1.2\modules\dnn\src\dnn.cpp:251: error: (-215:Assertion failed) mean_ == Scalar() && "Mean subtraction is not supported for CV_8U blob depth" in function 'cv::dnn::dnn4_v20190902::blobFromImages'

  3. 当crop=True时，先等比例缩放，直至宽高尺寸一个等于对应的size尺寸，另一个大于或者等于对应的size尺寸，然后再从中心进行裁剪

返回：

4维的数组

e.g.

import numpy as np
import cv2
#导入bgr彩色图像
img=cv2.imread('e:\\imagesfavour\\9.23.2.jpg')
#求原图各通道均值
mean_ori=[]
for i in range(3):
     mean_ori.append(np.mean(img[:,:,i]))
#各通道分别减去20，30，40
blob=cv2.dnn.blobFromImage(img,scalefactor=1,size=(300,300),mean=[20,30,40])
#求输出blob的各通道均值
mean_blob=[]
for i in range(3):
     mean_blob.append(np.mean(blob[0][i])) 
print('原图各通道均值：{}'.format(mean_ori))
print('输出blob各通道的均值:{}'.format(mean_blob))
print('原图的shape:{}'.format(img.shape))
print('输出blob的shape:{}'.format(blob.shape))

输出如下：

原图各通道均值：[110.10160243055556, 134.75311979166668, 158.2965668402778]
输出blob各通道的均值:[90.09298, 104.75085, 118.2897]
原图的shape:(1200, 1920, 3)
输出blob的shape:(1, 3, 300, 300)

 

 

---

PS:

扫码关注微信公众号获取深度学习数据集

我们不生产数据，我们只是数据的搬运工