image = cv2.imread(path + file)

image = cv2.resize(image, (48, 48), interpolation=cv2.INTER_CUBIC) aaaa= np.transpose(image,(2, 0, 1)) print(aaaa)

# python中將圖片存儲為[0, 1]，而caffe中將圖片存儲為[0, 255]，所以需要一個轉(zhuǎn)換 
transformer.set_raw_scale('data', 255)  # 縮放到[0，255]之間 
transformer.set_channel_swap('data', (2,1,0)) #交換通道，將圖片由RGB變?yōu)锽GR（caffe中圖片是BGR格式，而原始格式是RGB，所以要轉(zhuǎn)化） 

data = np.array(Image.open(self.dataRoot+img_list)) 
data = np.transpose(data,(2,0,1))#轉(zhuǎn)換通道 
data[[0,2],...] = data[[2,0],...] #RGB→BGR 

# -*- 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路徑 
sys.path.insert(0, caffe_root + '/python') 
 
size = 227 #訓(xùn)練的圖片尺寸 
image_file = 'F:/.../.../nihao.jpg'#圖片路徑 
model_def = 'F:/.../.../deploy.prototxt'#deploy模型文件位置 
model_weights = 'F:/.../.../_iter_20000.caffemodel'#訓(xùn)練完的模型位置 
net = caffe.Net(model_def, model_weights, caffe.TEST)  
 
# 加載均值文件 
mu = np.load(caffe_root + '/python/caffe/imagenet/ilsvrc_2012_mean.npy') ###caffe 自帶的文件 
mu = mu.mean(1).mean(1) # average over pixels to obtain the mean (BGR) pixel values 
###########################下面這5句等同與上面兩句，選擇其一################# 
#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) 
############################################################################## 
#圖片預(yù)處理 
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) ##設(shè)定圖片的shape格式(1,3,227,227)，大小由deploy 文件指定 
# python讀取的圖片文件格式為H×W×K，需轉(zhuǎn)化為K×H×W 
transformer.set_transpose('data', (2,0,1)) #改變維度的順序，由原始圖片(227,227,3)變?yōu)?3,227,227) 
transformer.set_mean('data', mu)   # 每個通道減去均值 
 
# python中將圖片存儲為[0, 1]，而caffe中將圖片存儲為[0, 255]，所以需要一個轉(zhuǎn)換 
transformer.set_raw_scale('data', 255)  # 縮放到【0，255】之間 
transformer.set_channel_swap('data', (2,1,0)) #交換通道，將圖片由RGB變?yōu)锽GR（caffe中圖片是BGR格式，而原始格式是RGB，所以要轉(zhuǎn)化） 
net.blobs['data'].reshape(1,3,size, size) # 將輸入圖片格式轉(zhuǎn)化為合適格式（與deploy文件相同） 
#上面這句，第一參數(shù)：圖片數(shù)量 第二個參數(shù) ：通道數(shù) 第三個參數(shù)：圖片高度 第四個參數(shù)：圖片寬度 
 
image = caffe.io.load_image(image_file) #加載圖片 
# 用上面的transformer.preprocess來處理剛剛加載圖片 
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() # 給出概率最高的是第幾類，需要自己對應(yīng)到我們約定的類別去