用 OpenCV 的 DNN 模块玩转图像分类

你是不是也想快速实现图像分类，却不想费劲搭建复杂的深度学习框架？今天就给大家分享一个超实用的技巧 ------ 用 OpenCV 的 DNN 模块直接调用训练好的模型，不管是单张图片还是批量图片，都能轻松完成分类任务，小白也能快速上手！

一、核心原理：DNN 模块到底能干啥？

简单来说，OpenCV 的 DNN 模块就像一个 "模型中转站"。它支持加载 Caffe、TensorFlow、PyTorch 等主流框架训练好的模型，不用我们再去手写网络结构、调参训练。

我们只需要做两件事：

准备好模型配置文件 和权重文件
把输入图像处理成模型能 "看懂" 的样子
丢给模型就能直接出分类结果

这次我们用的是经典的 GoogLeNet 模型，它是基于 ImageNet 数据集训练的，可以识别 1000 种常见物体。

二、实战步骤：从单张图片到批量预测

话不多说，直接上代码和讲解，每一步都给你掰扯明白。

1. 前期准备

先把需要的工具包导入，再处理好标签文件。这个标签文件对应了 ImageNet 的 1000 个分类，能把模型输出的数字索引转换成我们能看懂的物体名称。

python 复制代码

# 导入工具包
import utils_paths
import numpy as np
import cv2

# 标签文件处理：把每行的标签提取出来，方便后续对应结果
rows = open("synset_words.txt").read().strip().split("\n")
classes = [r[r.find(" ") + 1:].split(",")[0] for r in rows]

2. 加载预训练模型

这里我们加载基于 Caffe 框架训练的 GoogLeNet 模型，需要两个文件：.prototxt是模型的配置文件，定义了网络结构；.caffemodel是训练好的权重文件，存着网络里的参数。

python 复制代码

# Caffe所需配置文件：加载模型结构和权重
net = cv2.dnn.readNetFromCaffe("bvlc_googlenet.prototxt",
	"bvlc_googlenet.caffemodel")

3. 单张图片预测：一步一步来

这是最基础的操作，核心就是把图片转换成模型需要的blob格式，再传入模型得到结果。

python 复制代码

# 获取图像路径
imagePaths = sorted(list(utils_paths.list_images("images/")))

# 读取并预处理单张图片
image = cv2.imread(imagePaths[0])
# 第一步：调整尺寸。模型训练时用的是224×224，测试也得统一尺寸
resized = cv2.resize(image, (224, 224))
# 第二步：转换成blob。1是缩放因子，(104,117,123)是ImageNet的三通道均值
blob = cv2.dnn.blobFromImage(resized, 1, (224, 224), (104, 117, 123))
print("First Blob: {}".format(blob.shape))  # 输出blob形状，方便检查

# 传入模型做预测
net.setInput(blob)
preds = net.forward()  # 前向传播，得到1000个分类的概率值

# 找出概率最大的分类
idx = np.argsort(preds[0])[::-1][0]  # 排序后取第一个（概率最大）
# 生成结果文本：分类名称 + 概率百分比
text = "Label: {}, {:.2f}%".format(classes[idx],preds[0][idx] * 100)
# 把结果画到图片上
cv2.putText(image, text, (5, 25),  cv2.FONT_HERSHEY_SIMPLEX,0.7, (0, 0, 255), 2)

# 显示结果
cv2.imshow("Image", image)
cv2.waitKey(0)

这里要注意两个关键点：

图片尺寸必须和训练时一致，不然模型会 "看不懂"
减均值是为了消除光照的影响，让分类更准确，这个均值是 ImageNet 数据集统计出来的，直接用就行

4. 批量图片预测：效率翻倍

如果有一堆图片要分类，一个个预测太麻烦，用blobFromImages函数（注意比单张多了个s）就能批量处理，速度更快。

python 复制代码

# Batch数据制作：批量处理剩下的图片
images = []
for p in imagePaths[1:]:
	image = cv2.imread(p)
	image = cv2.resize(image, (224, 224))
	images.append(image)

# 转换成批量blob，参数和单张一样
blob = cv2.dnn.blobFromImages(images, 1, (224, 224), (104, 117, 123))
print("Second Blob: {}".format(blob.shape))

# 批量预测
net.setInput(blob)
preds = net.forward()

# 遍历每个预测结果，画到图片上并显示
for (i, p) in enumerate(imagePaths[1:]):
	image = cv2.imread(p)
	idx = np.argsort(preds[i])[::-1][0]
	text = "Label: {}, {:.2f}%".format(classes[idx],preds[i][idx] * 100)
	cv2.putText(image, text, (5, 25),  cv2.FONT_HERSHEY_SIMPLEX,0.7, (0, 0, 255), 2)
	cv2.imshow("Image", image)
	cv2.waitKey(0)

三、小技巧和注意事项

预处理要一致：训练时对图片做了啥操作（缩放、减均值、裁剪等），测试时必须一模一样，不然结果会跑偏。
框架选择灵活 ：除了 Caffe，OpenCV 还支持readNetFromTensorflow、readNetFromTorch等，换个函数就能加载其他框架的模型。
批量预测更高效：处理大量图片时，批量预测比单张循环快很多，推荐优先使用。

完整代码

python 复制代码

# 导入工具包
import utils_paths
import numpy as np
import cv2

# 标签文件处理
rows = open("synset_words.txt").read().strip().split("\n")
classes = [r[r.find(" ") + 1:].split(",")[0] for r in rows]

# Caffe所需配置文件
net = cv2.dnn.readNetFromCaffe("bvlc_googlenet.prototxt",
	"bvlc_googlenet.caffemodel")

# 图像路径
imagePaths = sorted(list(utils_paths.list_images("images/")))

# 图像数据预处理
image = cv2.imread(imagePaths[0])
resized = cv2.resize(image, (224, 224))
# image scalefactor size mean swapRB 
blob = cv2.dnn.blobFromImage(resized, 1, (224, 224), (104, 117, 123))
print("First Blob: {}".format(blob.shape))

# 得到预测结果
net.setInput(blob)
preds = net.forward()

# 排序，取分类可能性最大的
idx = np.argsort(preds[0])[::-1][0]
text = "Label: {}, {:.2f}%".format(classes[idx],
	preds[0][idx] * 100)
cv2.putText(image, text, (5, 25),  cv2.FONT_HERSHEY_SIMPLEX,
	0.7, (0, 0, 255), 2)

# 显示
cv2.imshow("Image", image)
cv2.waitKey(0)

# Batch数据制作
images = []

# 方法一样，数据是一个batch
for p in imagePaths[1:]:
	image = cv2.imread(p)
	image = cv2.resize(image, (224, 224))
	images.append(image)

# blobFromImages函数，注意有s
blob = cv2.dnn.blobFromImages(images, 1, (224, 224), (104, 117, 123))
print("Second Blob: {}".format(blob.shape))

# 获取预测结果
net.setInput(blob)
preds = net.forward()
for (i, p) in enumerate(imagePaths[1:]):
	image = cv2.imread(p)
	idx = np.argsort(preds[i])[::-1][0]
	text = "Label: {}, {:.2f}%".format(classes[idx],
		preds[i][idx] * 100)
	cv2.putText(image, text, (5, 25),  cv2.FONT_HERSHEY_SIMPLEX,
		0.7, (0, 0, 255), 2)
	cv2.imshow("Image", image)
	cv2.waitKey(0)