caffe源码阅读（一）convert_imageset.cpp注释

PS：本系列为本人初步学习caffe所记，由于理解尚浅，其中多有不足之处和错误之处，有待改正。

一、实现方法

首先，将文件名与它对应的标签用 std::pair 存储起来，其中first存储文件名，second存储标签，

其次，数据通过 Datum datum来存储，将图像与标签转为Datum 需要通过函数ReadImageToDatum（） 来完成，

再次， Datum 数据又是通过datum.SerializeToString(&out)把数据序列化为字符串 string out;，

最后， 将字符串 string out ，通过txn->Put(string(key_cstr, length), out)写入数据库DB。

二、convert_imageset.cpp解析

1.头文件解析

 #include <algorithm>   //输出数组的内容、对数组进行升幂排序、反转数组内容、复制数组内容等操作

 #include <fstream>  // NOLINT(readability/streams)

 #include <string>

 #include <utility>    //utility头文件定义了一个pair类型,pair类型用于存储一对数据

 #include <vector>     //会自动扩展容量的数组

 #include "boost/scoped_ptr.hpp"   //智能指针头文件

 #include "gflags/gflags.h"       //Google的一个命令行参数库

 #include "glog/logging.h"        //日志头文件

 #include "caffe/proto/caffe.pb.h"

 #include "caffe/util/db.hpp"      //引入包装好的lmdb操作函数

 #include "caffe/util/format.hpp"

 #include "caffe/util/io.hpp"      //引入opencv的图像操作函数

 #include "caffe/util/rng.hpp"

 using namespace caffe;  // NOLINT(build/namespaces)引入全部caffe命名空间

 using std::pair;        //引入pair对命名空间

 using boost::scoped_ptr;

2.使用Flags宏定义变量

 DEFINE_bool(gray, false,

     "When this option is on, treat images as grayscale ones");    //是否为灰度图片

 DEFINE_bool(shuffle, false,

     "Randomly shuffle the order of images and their labels");    //定义洗牌变量，是否随机打乱数据集的顺序

 DEFINE_string(backend, "lmdb",

         "The backend {lmdb, leveldb} for storing the result");  //默认转换的数据类型

 DEFINE_int32(resize_width, , "Width images are resized to");   //定义resize的尺寸，默认为0，不转换尺寸

 DEFINE_int32(resize_height, , "Height images are resized to");

 DEFINE_bool(check_size, false,

     "When this option is on, check that all the datum have the same size");

 DEFINE_bool(encoded, false,

     "When this option is on, the encoded image will be save in datum");  //用于转换数据格式的

 DEFINE_string(encode_type, "",

     "Optional: What type should we encode the image as ('png','jpg',...).");   //是否转换图像格式

注：gflags是google的一个开源处理命令行参数库，具体使用方法可以参照http://blog.csdn.net/lezardfu/article/details/23753741。

3.main函数

int main(int argc, char** argv) {

#ifdef USE_OPENCV

  ::google::InitGoogleLogging(argv[]);   //初始化log

  // Print output to stderr (while still logging)

  FLAGS_alsologtostderr = ;      //log写入stderr文件

#ifndef GFLAGS_GFLAGS_H_

  namespace gflags = google;

#endif

  gflags::SetUsageMessage("Convert a set of images to the leveldb/lmdb\n"

        "format used as input for Caffe.\n"

        "Usage:\n"

        "    convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME\n"

        "The ImageNet dataset for the training demo is at\n"

        "    http://www.image-net.org/download-images\n");

  gflags::ParseCommandLineFlags(&argc, &argv, true);   //初始化Flags，从命令行传入参数

  if (argc < ) {

    gflags::ShowUsageWithFlagsRestrict(argv[], "tools/convert_imageset");

    return ;

  }

  const bool is_color = !FLAGS_gray; //通过gflags把宏定义变量的值，赋值给常值变量

  const bool check_size = FLAGS_check_size;//检查图像的size

  const bool encoded = FLAGS_encoded;    //是否编译（转换）图像格式

  const string encode_type = FLAGS_encode_type; //要编译的图像格式

  std::ifstream infile(argv[]);  //创建指向train.txt的文件读入流

  std::vector<std::pair<std::string, int> > lines;  //定义向量变量，向量中每个元素为一个pair对，pair对有两个成员变量，

                                                    //一个为string类型，一个为int类型；其中string类型用于存储文件名，int类型，感觉用于存数对应类别的id

  std::string line;

  size_t pos;

  int label;

  //读取train.txt中的文本行内容，将图片路径与label分离，存储在lines中

  while (std::getline(infile, line)) {          //读取train.txt中每行的内容,存在line中

    pos = line.find_last_of(' ');               //找出line中最后一个''所在的位置

    label = atoi(line.substr(pos + ).c_str()); //获取line字符串中对应的label字符，并将其转换为整型

    lines.push_back(std::make_pair(line.substr(, pos), label)); //将图片地址与label存在vector变量lines中

  }

  if (FLAGS_shuffle) {

    // randomly shuffle data(打乱数据，发现lines的成员顺序和值发生了变化)

    LOG(INFO) << "Shuffling data";    //LOG(INFO)日志输出

    shuffle(lines.begin(), lines.end());

  }

  LOG(INFO) << "A total of " << lines.size() << " images.";  //输出图片数据的数量

  if (encode_type.size() && !encoded)

    LOG(INFO) << "encode_type specified, assuming encoded=true.";

  int resize_height = std::max<int>(, FLAGS_resize_height);

  int resize_width = std::max<int>(, FLAGS_resize_width);

  // Create new DB（以智能指针的方式创建db::DB类型的对象 db）

  scoped_ptr<db::DB> db(db::GetDB(FLAGS_backend)); // 智能指针的创建方式类似泛型的格式，

                                                   //上面通过db.cpp内定义的命名的子命名空间中db的“成员函数”GetDB函数来初始化db对象

  db->Open(argv[], db::NEW);                    //argv[3]的文件夹下创建并打开lmdb的操作环境

  scoped_ptr<db::Transaction> txn(db->NewTransaction());//创建lmdb文件的操作句柄txn

  // Storing to db（源数据中提取图像数据）

  std::string root_folder(argv[]);

  Datum datum;

  int count = ;

  int data_size = ;

  bool data_size_initialized = false;

  for (int line_id = ; line_id < lines.size(); ++line_id) {

    bool status;

    std::string enc = encode_type;

    if (encoded && !enc.size()) {

      // Guess the encoding type from the file name

      string fn = lines[line_id].first;   //读取图片的绝对路径

      size_t p = fn.rfind('.');

      if ( p == fn.npos )

        LOG(WARNING) << "Failed to guess the encoding of '" << fn << "'";

      enc = fn.substr(p);

      std::transform(enc.begin(), enc.end(), enc.begin(), ::tolower);

    }

    //通过ReadImageToDatum把图片和标签转换为Datum

    status = ReadImageToDatum(root_folder + lines[line_id].first,

        lines[line_id].second, resize_height, resize_width, is_color,

        enc, &datum);   //通过ReadImageToDatum把图片和标签转换为Datum

    if (status == false) continue;

    if (check_size) {

      if (!data_size_initialized) {

        data_size = datum.channels() * datum.height() * datum.width();

        data_size_initialized = true;

      } else {

        const std::string& data = datum.data();

        CHECK_EQ(data.size(), data_size) << "Incorrect data field size "

            << data.size();

      }

    }

    // sequential

    string key_str = caffe::format_int(line_id, ) + "_" + lines[line_id].first; //序列化键值

    // Put in db

    string out;

    CHECK(datum.SerializeToString(&out));  //把数据序列转换为string out

    txn->Put(key_str, out);                //把键值放入到数据库

   //批量提交到lmdb文件

    if (++count %  == ) {

      // Commit db

      txn->Commit(); //保存到lmdb类型的文件

      txn.reset(db->NewTransaction()); //重新初始化操作句柄

      LOG(INFO) << "Processed " << count << " files.";

    }

  }

  // write the last batch

  if (count %  != ) {

    txn->Commit();

    LOG(INFO) << "Processed " << count << " files.";

  }

#else

  LOG(FATAL) << "This tool requires OpenCV; compile with USE_OPENCV.";

#endif  // USE_OPENCV

  return ;

}

注：main函数中的主要函数为

ReadImageToDatum(root_folder + lines[line_id].first,lines[line_id].second, resize_height, resize_width, is_color,enc, &datum);

该函数内部有两个子函数：ReadImageToCVMat(filename, height, width, is_color)和CVMatToDatum(cv_img, datum)。

ReadImageToCVMat(filename, height, width, is_color)的主要功能是将图像的存储格式由3通道存储形式转换为cv空间存储形式，我的理解是由一个指针指向的存储空间，里面依次存放每个通道的像素值。

CVMatToDatum(cv_img, datum)的功能事将cv空间存储的像素值传递到datum.data。

参考：http://blog.csdn.net/whiteinblue/article/details/45330801