计算机视觉 / 系统课时
构造模型输入
构造模型输入
DNN 模型通常不能直接接收 OpenCV 读到的原始 BGR 图像。本篇使用 cv2.dnn.blobFromImage 把图像转换为模型常见的四维 blob,并讲清缩放、均值、通道交换、尺寸与裁剪参数怎样共同决定最终输入。
学习目标
- 理解图像从 HWC/BGR 到 NCHW blob 的转换关系
- 正确配置
scalefactor、mean、swapRB、size和crop - 通过 shape、dtype 和数值范围验证预处理是否符合模型要求
blob 为什么不是普通图像
cv2.imread 得到的彩色图像通常是 H × W × C 排布、BGR 通道顺序和 uint8 像素。许多 DNN 模型则要求批次维度,并采用 N × C × H × W 的四维输入,同时还要求固定尺寸、浮点数、归一化或减均值。
blobFromImage 把这些常见预处理合并到一次调用中:先按要求调整空间尺寸,再处理通道顺序、均值和缩放,最后得到 NCHW blob。单张图像的批次维度 N 为 1。

关键参数如何作用
blobFromImage 的常用调用形式是 cv2.dnn.blobFromImage(image, scalefactor, size, mean, swapRB, crop)。其中数值变换遵循 (input - mean) * scalefactor,所以均值和缩放必须按训练时的预处理规则填写。当 BGR 输入使用 swapRB=True 时,mean 应按 R、G、B 的语义顺序提供。
| 参数 | 作用 | 常见注意点 |
|---|---|---|
size |
指定输出空间尺寸 (width, height) |
必须与模型输入要求一致 |
scalefactor |
对减均值后的像素乘缩放系数 | 1 / 255.0 常用于映射到 0~1,但不是所有模型都这样训练 |
mean |
对各通道减去均值 | 数值必须来自模型预处理约定 |
swapRB |
交换第一个和最后一个颜色通道 | OpenCV 默认 BGR,而很多模型按 RGB 训练 |
crop |
控制 resize 后是否中心裁剪 | True 会保持比例缩放到覆盖目标尺寸再中心裁剪;False 直接调整为目标尺寸 |
构造一个可验证的 blob
下面使用全黑的 480 × 640 BGR 图像构造 224 × 224 输入。全黑图像经过零均值和 1 / 255.0 缩放后仍为 0,因此 shape、dtype 和数值范围都可以稳定验证。
import cv2
import numpy as np
image = np.zeros((480, 640, 3), dtype=np.uint8)
blob = cv2.dnn.blobFromImage(
image,
scalefactor=1 / 255.0,
size=(224, 224),
mean=(0.0, 0.0, 0.0),
swapRB=True,
crop=False,
)
print(blob.shape)
print(blob.dtype)
print(float(blob.min()), float(blob.max()))预期输出:
(1, 3, 224, 224)
float32
0.0 0.0第一维是批次,第二维是通道,后两维是高度和宽度。得到 blob 后,通常再调用 net.setInput(blob),随后执行 net.forward();如果输入 shape 或数据分布与模型契约不一致,网络即使能够执行,也可能得到完全错误的结果。
让参数与训练预处理对齐
构造输入时应从模型要求反推参数,而不是从 blobFromImage 的默认值出发。至少确认输入尺寸、颜色顺序、数值范围、均值、是否保持宽高比以及模型期待的布局。
例如模型训练时使用 RGB、尺寸 224 × 224、像素除以 255,则可以使用 swapRB=True、size=(224, 224) 和 scalefactor=1 / 255.0。如果训练时使用 (x - 127.5) / 127.5,对应参数就是 mean=(127.5, 127.5, 127.5) 和 scalefactor=1 / 127.5。
目标检测模型还可能要求 letterbox,即按比例缩放后用边框补齐,而不是简单拉伸或中心裁剪。遇到这种模型时,应按模型预处理规则显式实现 padding,不能只改变 crop 就假设结果等价。
验证输入而不是猜参数
调试 blob 时先检查 blob.shape 和 blob.dtype,再观察最小值、最大值或单个通道的统计量。若模型要求 1 × 3 × 640 × 640,而实际得到其他尺寸,应先修正预处理,不要急着分析后处理代码。
另一个高频错误是通道重复交换:代码先手工执行 BGR→RGB,又把 swapRB=True,结果实际上回到了 BGR。预处理链路只保留一次颜色顺序转换,并用一张颜色明确的测试图验证通道,能比反复修改置信度阈值更快定位问题。