Caffe---Pycaffe转换均值文件：xxx_mean.binaryproto成为xxx_mean.npy

Pycaffe转换均值文件：xxx_mean.binaryproto成为xxx_mean.npy

为什么需要mean.binaryproto转mean.npy？

使用Caffe的C++接口进行操作时，需要的图像均值文件是pb格式，例如常见的均值文件名为mean.binaryproto。但在使用python接口进行操作时，需要的图像均值文件是numpy格式，例如mean.npy。所以在跨语言进行操作时，需要将mean.binaryproto转换成mean.npy。

首先是生成binaryproto的sh文件，这里不介绍。这里提供转mean.npy两个程序，bin_2_npy001.py如下：

#!/usr/bin/env python
#binaryproto_2_npy

import numpy as np
c=np.fromfile("road_mean.binaryproto", dtype=np.float)
print c
np.save("road_mean.npy", c)
b=np.load('road_mean001.npy')
print b

bin_2_npy002.py如下：

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
#mean.binaryproto_2_mean.npy

#import sys                                        #导入Python的sys模块                                              
#sys.path.append("/usr/lib/python2.7/dist-packages")             

import caffe                                       # 导入caffe模块 
import numpy as np                                 #导入矩阵数值运算程序库 

MEAN_PROTO_PATH = 'road_mean.binaryproto'          # 待转换的pb格式图像均值文件路径
MEAN_NPY_PATH = 'road_mean002.npy'                 # 转换后的numpy格式图像均值文件路径

blob = caffe.proto.caffe_pb2.BlobProto()           # 创建protobuf blob
data = open(MEAN_PROTO_PATH, 'rb' ).read()         # 读入mean.binaryproto文件内容
blob.ParseFromString(data)                         # 解析文件内容到blob

array = np.array(caffe.io.blobproto_to_array(blob))# 将blob中的均值转换成numpy格式，array的shape （mean_number，channel, hight, width）
mean_npy = array[0]                                # 一个array中可以有多组均值存在，故需要通过下标选择其中一组均值
np.save(MEAN_NPY_PATH ,mean_npy)

 说明：本文件夹下的bin_2_npy001.py与bin_2_npy002.py都可以生成均值，但是road_mean002.npy在后续程序中好用。原因尚不明确，待思考解决。

参考 https://blog.csdn.net/hyman_yx/article/details/51732656，补充：

已知图像均值，构造mean.npy

如果已知图像中每个通道的均值，例如3通道图像每个通道的均值分别为104，117，123，我们也可以通过其构造mean.npy。代码如下：

import numpy as np

MEAN_NPY_PATH = 'mean.npy'

mean = np.ones([3,256, 256], dtype=np.float)
mean[0,:,:] = 104
mean[1,:,:] = 117
mean[2,:,:] = 123

np.save(MEAN_NPY, mean)

载入mean.npy

上面我们用两种方式构造了均值文件mean.npy，在使用时载入mean.npy的代码如下：

import numpy as np

mean_npy = np.load(MEAN_NPY_PATH)
mean = mean_npy.mean(1).mean(1)