系列： 正文①钩子兑现 · 下篇 番外-饲养员厨房-下|大厨古法餐
正文那边，是模型自己在说话。
每一个模型的背后，都有一位兢兢业业准备食材的饲养员。
我就是这个饲养员，但名片上写的是 图像算法工程师。
其实养育模型，是为了给我分担掉一些活计。
有时候不难的话，我自己就能干完了——我自己干活的事情，在下篇会全部展开。
模型的配餐，其实要求非常严格。
设计师把配餐要求写好了；我只需要照着要求，把食材做到对应的尺寸大小，到模型能吃的程度就行。
这篇我只负责做这件事。接下来，介绍一下我平时的配餐过程。
1. 进货：先把「图」读成像素板
先说清楚身份：饲养员也是打工仔。
设计师把配餐要求写在图纸上——考卷多大、吃几路颜色、mean/std 怎么配。
我不是在发明「图该长啥样」，我是照单进货、照单切配。
进货这一刀，就是把磁盘上的照片，读成内存里一块大约 0～255 的整数像素板。
人看图是风景、宠物、路牌；我看的是数组。形状常写成 H × W × C：
| 字母 | 人话 |
|---|---|
| H | 高——多少行 |
| W | 宽——多少列 |
| C | 通道——每个像素带几路信息 |
基础读图大概长这样：
import cv2
img = cv2.imread("cat.jpg") # 默认彩色；失败时是 None
if img is None:
raise FileNotFoundError("图没读到，先查路径")
print(img.shape) # 例如 (H, W, 3) —— OpenCV 默认 BGR
print(img.dtype) # 常见 uint8，约 0–255
彩色还是灰度，不是审美，是任务。
| 任务大概要啥 | 常怎么进货 | 为啥 |
|---|---|---|
| 认种类、看颜色（AlexNet / ImageNet 这一路） | 彩色，C=3 | 毛色、花纹、牌子颜色都是线索 |
| 找边缘、看明暗跳变、很多古典分割 | 灰度，C=1 就够 | 边≈亮度突然变；多通道反而吵 |
| 按颜色圈区域（比如蓝天 HSV） | 先彩色，再转 HSV 等空间 | 要的是「什么色」，不是灰度亮度 |
喂他家那位认一千类：主路径是彩色。
下篇古典灶台找边、做 mask：经常先转灰，或转 HSV——那是另一套单。
OpenCV 默认读进来是 BGR，不是很多人以为的 RGB：
b, g, r = cv2.split(img) # 通道顺序：B→G→R
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 给 matplotlib / 部分流水线用
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
print(gray.shape) # (H, W) —— 单通道，没有 C 那一维，或理解为 C=1
颜色顺序搞错了，后面一切都像隔着一层奇怪滤镜——打工仔翻车，多半翻在这种「好像小事」上。
技术翻译：
文件 → cv2.imread
→ uint8，约 0–255
→ 彩色常是 H×W×3（BGR）；灰度常是 H×W
→ 还不是考生吃的 NCHW
到这一步，还只是「图」的近亲。他家那位还没开吃。
2. 洗切：我怎么把图画布切到能吃
挑剔食客在正文第一篇就讲过这块了——256 舞台、裁 224、训随机推中心、裁不是整图缩到位。这边一笔带过，主要讲我怎么操作。
| 我常干啥 | 小心别翻车 |
|---|---|
先 resize 到 256，再 crop 出 224 | 一步缩成 224；224/227 混用，对不齐他家权重 |
| 训练加随机裁 / 翻转；推理切中心 | 训推两套预处理对不上 → 分数飘 |
| 交出去的布，对上设计师画的门洞 | 布太大扫不动，布太歪分布对不上 |
手搓一刀可以用 OpenCV（概念示意）：
stage = cv2.resize(img, (256, 256)) # 非正方形会被扯；接受这代价换统一台面
# 推理常见：中心裁 224
y0 = (256 - 224) // 2
patch = stage[y0:y0+224, y0:y0+224] # 仍是 HWC、约 0–255
正经喂他家那位，更多时候几何也写进 transforms（Resize / RandomCrop / CenterCrop），和下一节的 ToTensor、Normalize 串成一条。
口诀照旧：256 是舞台，224 是上台那一块布。
3. 调味装盘：数值链 + 按批上桌
几何过后还是 0–255 像素板。ToTensor、Normalize、堆成 NCHW——挑剔食客正文里也说过「是什么」。这边同样一笔带过，讲我装盘时钉死的两件事：
- 配方跟权重走——mean/std 对不上，等于给兔子喂猫粮。
- 这些活落在
__getitem__/ transforms 里——Conv 不会自动帮你/255或 Normalize。
from torch.utils.data import Dataset, DataLoader
from torchvision import transforms
# ImageNet 这一路常见配方（跟对应预训练权重配套）
train_tf = transforms.Compose([
transforms.Resize(256),
transforms.RandomCrop(224),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
transforms.Normalize(
mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225],
),
])
class ExamSet(Dataset):
def __len__(self): ...
def __getitem__(self, i):
# 读图 → 必要时 BGR→RGB → train_tf → (张量, 标签)
...
loader = DataLoader(ExamSet(), batch_size=32, shuffle=True)
# 取出的 batch：N×C×H×W —— N 是一批几道题
一批多几张，只是 N 变大。灶台尺寸和口粮配方，仍然是定死的——我照单装盘，不替他发明菜单。
4. 答案从哪来（点到为止）
说清楚一件事，免得跟下篇搅在一起：
我这盘，主要是 题面。
类号多半是人标的；检测框、分割 mask 也各有来源。
滤波、边缘、阈值那些工艺手法——不是喂 AlexNet 认 ImageNet 时的必经主菜。它们有时自己就是考生，有时帮人写出答案。那是下篇的灶台。
所以这一篇，其实是 简餐出餐标准：统一工序，只制作题面。
标准答案另一本账；古法大餐，下篇再说。
5. 收束
正文那边把「口粮必须合规」讲清楚了；厨房这篇补的是：我怎么操作、代码落哪、题面≠答案。
做完这套简餐工序，他才第一次发言。
我不负责替他看见世界；我负责把题印清楚、按批上桌。
下一篇是饲养员的专属时间——真正完整的大餐制作，古法工艺：滤波、边缘、轮廓、阈值。有时我自己交卷，根本轮不到深度考生上场。
