计算机视觉模型效果不佳,你可能是被相机的Exif信息坑了

晓查 发自 凹非寺

量子位 报道 | 公众号 QbitAI

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()

传送门

原文链接:

https://medium.com/@ageitgey/the-dumb-reason-your-fancy-computer-vision-app-isnt-working-exif-orientation-73166c7d39da

快速导入旋转图像的image_to_numpy:

https://github.com/ageitgey/image_to_numpy

版权所有,未经授权不得以任何形式转载及使用,违者必究。