计算机视觉模型效果不佳，你可能是被相机的Exif信息坑了

磐创AI

发布于 2019-10-18 11:00:24

5.3K0

发布于 2019-10-18 11:00:24

文章被收录于专栏：磐创AI技术团队的专栏

为何别人用得好好的人脸识别、目标检测开源模型，到了初学者手中，效果却惨不忍睹？其中原因可能很多，有时候这个原因很“愚蠢”。

最近一位Medium上的博主Adam Geitgey给初学者指出了一个极其简单而又容易忽视的关键点：相机的Exif信息。

在开发和使用计算机视觉（CV）模型的过程中，由于NumPy、TensorFlow和电脑上的图片查看器在处理Exif上存在着差异，让这个问题变得十分隐秘。

Adam是一位知名的机器学习课程博主，他的博客内容非常实用，几乎篇篇都能收获上千赞，足见其受欢迎的程度。

他在最新的文章中指出了CV模型在处理Exif存在的缺失，以及补救方法，下面是他文章的主要内容。

Exif信息害死人

普通智能手机或者相机拍照时，如果手持方向发生变化，内部的重力感应器件会告诉设备，照片究竟哪个边是向上的。

当我们在手机、相机或者电脑的Photoshop软件上查看照片时，完全没有问题，就像这样：

然而眼见并非为实，实际图像的像素数据不会旋转。这是由于图像传感器是对连续的像素信息流进行逐行读取，因此你无论纵向和横向握持相机，图像都是按照一个方向进行存储。

那么拍照设备和电脑为什么就能按照正确的方向显示图片呢？这是因为照片里还保存着一组元数据，称之为Exif，即可交换图像文件格式（Exchangeable image file format）。

Exif中包含着照片的像素数、焦距、光圈等信息，其中还有一个方向（Orientation）的数据。

上图中Orientation一项的参数是Rotate 90 CW，意思是图像在显示前需要顺时针旋转90度。如果图片查看程序没有执行此操作，你就只能拧着脖子看了。

Exif原先是用在TIFF图像格式上，后来才加入到JPEG图像格式中，而图像数据集中的图片大多是JPEG格式。

一些程序为了保持向后兼容性，不会去解析Exif数据。大多数用于处理图像数据的Python库（如NumPy、SciPy，TensorFlow，Keras等）就是这样的。

这意味着当你使用这些工具导入图像时，都将获得原始的未旋转图像数据。如果把这些侧躺着或上下颠倒的图像输入到CV模型中，会得到错误的检测结果。

这个问题看起来很愚蠢，似乎初学者会犯这样的低级错误。但事实并非如此！甚至连Google云上的视觉API Demo也无法正确处理Exif方向问题：

如果我们把图像旋转到正确的方向再上传，检测的结果与上图相比将完全改变：

当我们在电脑上查看图片时完全没问题，但是一用到模型中就不正常。因此很难发现问题的所在。

这也导致一些开发者在Github上提问，抱怨他们正在使用的开源项目已损坏，或是模型不够准确。但是实际上问题要简单得多，只是图片的方向错了！

解决方法

解决以上问题的方法就是，在导入图像时检查它们的Exif数据，在必要时旋转图像。Adam已经写好了一段代码：

import PIL.Image
import PIL.ImageOps
import numpy as np


def exif_transpose(img):
    if not img:
        return img

    exif_orientation_tag = 274

    # Check for EXIF data (only present on some files)
    if hasattr(img, "_getexif") and isinstance(img._getexif(), dict) and exif_orientation_tag in img._getexif():
        exif_data = img._getexif()
        orientation = exif_data[exif_orientation_tag]

        # Handle EXIF Orientation
        if orientation == 1:
            # Normal image - nothing to do!
            pass
        elif orientation == 2:
            # Mirrored left to right
            img = img.transpose(PIL.Image.FLIP_LEFT_RIGHT)
        elif orientation == 3:
            # Rotated 180 degrees
            img = img.rotate(180)
        elif orientation == 4:
            # Mirrored top to bottom
            img = img.rotate(180).transpose(PIL.Image.FLIP_LEFT_RIGHT)
        elif orientation == 5:
            # Mirrored along top-left diagonal
            img = img.rotate(-90, expand=True).transpose(PIL.Image.FLIP_LEFT_RIGHT)
        elif orientation == 6:
            # Rotated 90 degrees
            img = img.rotate(-90, expand=True)
        elif orientation == 7:
            # Mirrored along top-right diagonal
            img = img.rotate(90, expand=True).transpose(PIL.Image.FLIP_LEFT_RIGHT)
        elif orientation == 8:
            # Rotated 270 degrees
            img = img.rotate(90, expand=True)

    return img


def load_image_file(file, mode='RGB'):
    # Load the image with PIL
    img = PIL.Image.open(file)

    if hasattr(PIL.ImageOps, 'exif_transpose'):
        # Very recent versions of PIL can do exit transpose internally
        img = PIL.ImageOps.exif_transpose(img)
    else:
        # Otherwise, do the exif transpose ourselves
        img = exif_transpose(img)

    img = img.convert(mode)

    return np.array(img)

加入以上代码后，就可以正确地将图像导入Keras或TensorFlow了。

如果觉得麻烦，Adam还把上面的代码打包好了，在GitHub上这个项目叫做image_to_numpy。一行代码就可以完成安装：

pip3 install image_to_numpy

以后，你在自己的Python代码中加入这样几句即可。

import matplotlib.pyplot as plt
import image_to_numpy
# Load your image file
img = image_to_numpy.load_image_file("my_file.jpg")
# Show it on the screen (or whatever you want to do)
plt.imshow(img)
plt.show()