使用 Python 进行图片识别的项目开发

使用 Python 进行图片识别的项目开发流程

图片识别（Image Recognition）是人工智能与计算机视觉领域的重要应用，广泛应用于人脸识别、物体检测、图像分类、智能安防、医疗影像分析等场景。Python 以其强大的生态库和简洁语法，成为实现图片识别的首选语言之一。

本文将带你从零开始，构建一个完整的 “图片分类识别系统”，能够识别输入图片中的物体类别（如猫、狗、汽车、人等），并输出结果。我们将使用深度学习模型（预训练卷积神经网络）来实现高精度识别，同时兼顾性能与可扩展性。

---

一、项目目标

我们希望构建一个基于 Python 的图片识别系统，具备以下功能：

• 能够加载本地图片文件；
• 使用预训练模型（如 ResNet）进行图像分类；
• 输出识别结果（类别标签 + 置信度）；
• 支持批量处理多张图片；
• 可视化识别结果（绘制边框与标签）；
• 项目结构清晰，便于后续扩展为 Web 或移动端应用。

最终效果示例：

识别结果：cat（置信度：92.3%）
识别结果：dog（置信度：87.1%）

---

二、技术选型与核心库介绍

我们将使用以下 Python 第三方库：

库名	作用
torch + torchvision	PyTorch 深度学习框架及其视觉模型库，提供 ResNet、AlexNet 等预训练模型
Pillow (PIL)	图像加载与基本处理
matplotlib / cv2	图像显示与可视化
numpy	数值计算与张量操作
os, glob	文件路径操作与批量读取

✅ 安装依赖

在终端中运行以下命令安装所需库：

pip install torch torchvision pillow matplotlib opencv-python numpy

⚠️ 注意：PyTorch 安装可能因系统不同而异，建议访问 https://pytorch.org 获取对应系统的安装命令。

---

三、项目结构设计

建议创建如下项目目录结构：

image_recognition_project/
│
├── input_images/              # 存放待识别的图片
│   ├── cat.jpg
│   ├── dog.jpg
│   └── car.jpg
│
├── output_results/            # 保存识别结果图像
│
├── models/                    # 可选：保存下载的模型权重（自动缓存也可）
│
├── labels/imagenet_classes.txt # ImageNet 1000 类标签文件
│
├── image_classifier.py        # 主识别程序
│
└── utils.py                   # 工具函数模块

---

四、步骤详解与代码实现

第一步：准备 ImageNet 类别标签

我们使用的预训练模型是在 ImageNet 数据集上训练的，包含 1000 个类别。我们需要一个文本文件来映射类别索引到人类可读的标签。

你可以从以下链接下载标准的 imagenet_classes.txt 文件：
👉 https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt

将其保存到 labels/imagenet_classes.txt。

---

第二步：编写工具函数模块 utils.py

# -*- coding: utf-8 -*-
"""
utils.py
功能：提供图像预处理、标签加载、结果可视化等通用工具函数
"""import torch
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
import osdef load_imagenet_labels(label_file="labels/imagenet_classes.txt"):"""加载 ImageNet 1000 个类别的标签返回：列表，索引对应类别编号"""if not os.path.exists(label_file):raise FileNotFoundError(f"未找到标签文件：{label_file}")with open(label_file, "r") as f:categories = [line.strip() for line in f.readlines()]return categoriesdef preprocess_image(image_path, image_size=224):"""对输入图像进行预处理，符合模型输入要求输入：图像路径输出：处理后的 tensor（batch_size=1）"""# 定义预处理变换preprocess = transforms.Compose([transforms.Resize(image_size),  # 缩放transforms.CenterCrop(image_size),  # 中心裁剪transforms.ToTensor(),  # 转为 Tensortransforms.Normalize(  # 归一化（ImageNet 均值与标准差）mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225]),])# 加载图像image = Image.open(image_path).convert("RGB")# 应用变换image_tensor = preprocess(image)# 增加 batch 维度 (1, C, H, W)image_tensor = image_tensor.unsqueeze(0)return image_tensordef display_image_with_prediction(image_path, predicted_label, confidence):"""显示原始图像，并在窗口标题中显示预测结果"""image = Image.open(image_path)plt.figure(figsize=(6, 6))plt.imshow(image)plt.title(f"预测: {predicted_label} (置信度: {confidence:.1f}%)", fontsize=14, color='green')plt.axis("off")plt.show()def get_top_predictions(output, categories, top_k=5):"""获取 top-k 个预测结果返回：列表 [(标签, 概率), ...]"""# 计算概率probabilities = torch.nn.functional.softmax(output[0], dim=0)top_probs, top_indices = torch.topk(probabilities, top_k)results = []for i in range(top_k):idx = top_indices[i].item()prob = top_probs[i].item() * 100  # 转为百分比label = categories[idx]results.append((label, prob))return results

📌 代码说明：

• load_imagenet_labels()：读取类别标签；
• preprocess_image()：将图像缩放、裁剪、归一化，符合 ResNet 输入格式；
• display_image_with_prediction()：使用 matplotlib 显示图像与结果；
• get_top_predictions()：返回前 k 个最可能的类别及其置信度。

---

第三步：主程序 image_classifier.py

# -*- coding: utf-8 -*-
"""
image_classifier.py
主程序：使用预训练 ResNet 模型进行图像识别
"""import torch
import torchvision.models as models
from PIL import Image
import os
import glob
from utils import (load_imagenet_labels,preprocess_image,display_image_with_prediction,get_top_predictions
)# 配置参数
INPUT_DIR = "input_images"
OUTPUT_DIR = "output_results"
LABEL_FILE = "labels/imagenet_classes.txt"
MODEL_NAME = "resnet50"  # 可选: "resnet18", "resnet34", "mobilenet_v2" 等
TOP_K = 5
CONFIDENCE_THRESHOLD = 50.0  # 最低置信度阈值# 创建输出目录
os.makedirs(OUTPUT_DIR, exist_ok=True)def load_model(model_name="resnet50", pretrained=True):"""加载预训练图像分类模型"""print(f"📥 正在加载预训练模型 {model_name}...")model = getattr(models, model_name)(pretrained=pretrained)model.eval()  # 设置为评估模式print(f"✅ 模型 {model_name} 加载成功！")return modeldef classify_image(model, image_path, categories):"""对单张图像进行分类识别"""print(f"\n🔍 正在识别图像：{image_path}")try:# 预处理图像input_tensor = preprocess_image(image_path)# 推理（无需梯度）with torch.no_grad():output = model(input_tensor)# 获取 top-k 预测结果top_results = get_top_predictions(output, categories, TOP_K)# 获取最高置信度的结果best_label, best_confidence = top_results[0]# 判断是否超过阈值if best_confidence < CONFIDENCE_THRESHOLD:print(f"⚠️  识别置信度较低：{best_confidence:.1f}%，结果可能不可靠")else:print(f"🎉 识别成功：{best_label} (置信度: {best_confidence:.1f}%)")# 打印 top-5 结果print("📊 Top-5 预测结果：")for i, (label, prob) in enumerate(top_results, 1):mark = " ← 最佳匹配" if i == 1 else ""print(f"  {i}. {label} ({prob:.1f}%) {mark}")# 显示图像与结果display_image_with_prediction(image_path, best_label, best_confidence)return best_label, best_confidenceexcept Exception as e:print(f"❌ 识别失败：{str(e)}")return "Error", 0.0def batch_classify(model, image_dir, categories):"""批量识别指定目录下的所有图片"""supported_formats = ("*.jpg", "*.jpeg", "*.png", "*.bmp")image_paths = []for ext in supported_formats:image_paths.extend(glob.glob(os.path.join(image_dir, ext)))if len(image_paths) == 0:print(f"❌ 在 {image_dir} 中未找到支持的图片文件")returnprint(f"📦 共发现 {len(image_paths)} 张图片，开始批量识别...")results = []for image_path in image_paths:label, conf = classify_image(model, image_path, categories)results.append({"filename": os.path.basename(image_path),"predicted_label": label,"confidence": conf})return resultsdef save_results_to_csv(results, output_file="recognition_results.csv"):"""将识别结果保存为 CSV 文件"""import csvwith open(output_file, 'w', encoding='utf-8', newline='') as f:writer = csv.DictWriter(f, fieldnames=["filename", "predicted_label", "confidence"])writer.writeheader()writer.writerows(results)print(f"💾 识别结果已保存至：{output_file}")def main():"""主函数"""# 1. 加载类别标签try:categories = load_imagenet_labels(LABEL_FILE)except Exception as e:print(f"❌ 标签加载失败：{e}")return# 2. 加载模型try:model = load_model(MODEL_NAME)except Exception as e:print(f"❌ 模型加载失败：{e}")return# 3. 执行批量识别results = batch_classify(model, INPUT_DIR, categories)# 4. 保存结果if results:save_results_to_csv(results)print("\n🔚 图片识别任务完成！")# 启动程序
if __name__ == "__main__":main()

📌 代码详细说明：

1. 模型加载

model = getattr(models, model_name)(pretrained=True)

动态加载 torchvision.models 中的预训练模型（如 ResNet50），无需自己训练。

2. 推理模式

model.eval()
with torch.no_grad():output = model(input_tensor)

关闭梯度计算以提升推理速度和内存效率。

3. Softmax 概率转换

probabilities = torch.nn.functional.softmax(output[0], dim=0)

将模型输出的 logits 转换为概率分布（0~1 之间）。

4. Top-k 预测

使用 torch.topk() 获取前 k 个最可能的类别。

5. 批量处理

通过 glob 模块遍历目录中所有图片，实现批量识别。

6. 结果持久化

将识别结果导出为 CSV 文件，便于后续分析。

---

五、完整项目运行流程

步骤 1：准备环境与文件

1. 创建项目文件夹；
2. 安装依赖库；
3. 下载 imagenet_classes.txt 并放入 labels/ 目录；
4. 在 input_images/ 中放入测试图片（如猫、狗、车、飞机等）；

步骤 2：运行程序

python image_classifier.py

输出示例：

📥 正在加载预训练模型 resnet50...
✅ 模型 resnet50 加载成功！🔍 正在识别图像：input_images/cat.jpg
🎉 识别成功：Egyptian cat (置信度: 93.2%)
📊 Top-5 预测结果：1. Egyptian cat (93.2%)  ← 最佳匹配2. tabby (4.1%)3. tiger cat (1.8%)...📊 图像将弹出显示...
💾 识别结果已保存至：recognition_results.csv🔚 图片识别任务完成！

同时会弹出图像窗口，显示识别结果。

---

六、常见问题与调试技巧

❌ 问题1：缺少 imagenet_classes.txt

错误提示：

FileNotFoundError: [Errno 2] No such file or directory: 'labels/imagenet_classes.txt'

解决方法：
手动创建 labels/ 文件夹，并下载标签文件：

mkdir labels
curl -o labels/imagenet_classes.txt https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt

---

❌ 问题2：CUDA out of memory（GPU 内存不足）

原因： 模型较大（如 ResNet50），GPU 显存不够。

解决方案：

• 使用更轻量模型：MODEL_NAME = "mobilenet_v2"；
• 在 load_model 中添加 .cpu() 强制使用 CPU：

  model = load_model("resnet50").cpu()
  

• 减少批量大小（当前为单图识别，影响较小）。

---

❌ 问题3：图像格式不支持或损坏

建议处理方式：
在 preprocess_image 中增加异常捕获：

try:image = Image.open(image_path).convert("RGB")
except Exception as e:print(f"无法读取图像 {image_path}: {e}")return None

---

❌ 问题4：识别结果不准

可能原因：

• 图像模糊、角度偏斜；
• 物体太小或被遮挡；
• 模型未见过该类别（ImageNet 未覆盖所有现实场景）。

优化建议：

• 使用更高分辨率图像；
• 尝试其他模型（如 EfficientNet、ViT）；
• 微调（Fine-tune）模型以适应特定任务。

---

七、代码优化与最佳实践

✅ 1. 使用类封装提升可维护性

class ImageClassifier:def __init__(self, model_name="resnet50", label_file="labels/imagenet_classes.txt"):self.model = self.load_model(model_name)self.categories = self.load_labels(label_file)def predict(self, image_path):# 封装识别逻辑pass

便于后期扩展为 API 服务或 GUI 应用。

✅ 2. 支持命令行参数

使用 argparse 支持自定义参数：

import argparseparser = argparse.ArgumentParser()
parser.add_argument("--input", default="input_images", help="输入图片目录")
parser.add_argument("--model", default="resnet50", help="模型名称")
args = parser.parse_args()

✅ 3. 日志记录替代 print

使用 logging 模块记录运行日志，便于生产环境排查问题。

import logging
logging.basicConfig(level=logging.INFO)
logging.info("模型加载完成")

---

八、扩展功能建议

🔹 功能1：Web 接口（Flask）

from flask import Flask, request, jsonify
app = Flask(__name__)
classifier = ImageClassifier()@app.route("/predict", methods=["POST"])
def predict():file = request.files["image"]result = classifier.predict(file.stream)return jsonify(result)

启动后可通过 POST 请求上传图片进行识别。

🔹 功能2：实时摄像头识别

结合 OpenCV 实现视频流识别：

cap = cv2.VideoCapture(0)
while True:ret, frame = cap.read()# 将 frame 转为 PIL.Image 进行识别label, conf = classify_frame(frame)

🔹 功能3：模型微调（Fine-tuning）

如果你有自己的数据集（如公司 Logo、特定产品），可以对预训练模型进行微调，提升特定任务准确率。

model.fc = torch.nn.Linear(2048, num_custom_classes)  # 修改最后分类层
# 使用你的数据进行训练

---