machine-learning - 理解pycaffe中的load_image()方法

Question

来源说明

Load an image converting from grayscale or alpha as needed.

Parameters
----------
filename : string
color : boolean
    flag for color format. True (default) loads as RGB while False
    loads as intensity (if image is already grayscale).

Returns
-------
image : an image with type np.float32 in range [0, 1]
    of size (H x W x 3) in RGB or
    of size (H x W x 1) in grayscale.

这是如何使用它的示例

input_image = 255 * caffe.io.load_image(IMAGE_FILE)

我的问题是 IMAGE_FILE 是否为 RGB 颜色，每个 channel 值为 0-255，并且返回值 caffe.io.load_image(IMAGE_FILE) 在范围 [0,1] 内，乘以 255，每个 channel 的范围仍然是0-255。

那么执行这一步有什么意义呢？

Answer 1

将图像读取为 [0..1] 范围内的 float 类型的原因是:

1. 某些模型不会将输入缩放回 [0..255]，而是处理 [0..1] 范围内的输入。
2. 在处理图像时，将图像数据类型从 uint 转换为浮点时将像素值缩放为 [0..1] 是很常见的(例如，参见 Matlab 的 im2double) ，im2single)。
3. 某些图像格式的数据范围为 [0..65536](2 字节/像素)，在这种情况下，保持范围固定并仅使用比例是很方便的。