为什么别人常用的面部识别，目标检测到开源模型，到了初学者手中，效果连眼睛都看不到呢？这可能有很多理由，但也有它“愚蠢”的情况。

最近Medium的博主Adam Geitgey指出了面向初学者极其简单容易错过的要点。“相机的Exif信息”。

在计算机视觉（CV）模型的开发和使用过程中，NumPy、TensorFlow和计算机上的图片查看器在处理Exif上存在差异，因此这个问题变得非常隐秘。

Adam是机械学习课程的著名博主，博客的内容非常实用，几乎所有的报道都很受欢迎。

他在最新的文章中指出CV模型处理Exif存在的缺失，以及补救的方法，下面是他的文章的主要内容。

Exif信息会死人

用普通的智能手机和照相机拍照的时候，如果手的方向改变的话，内部内置的重力传感器会告诉你照片哪个是向上的。

在手机和相机电脑的照片店看照片也完全没有问题

但是，实际图像的像素数据不会旋转。这是因为图像传感器会渐进地读取连续的像素信息流，无论是纵向还是横向相机，图像都会单向存储。

那么，为什么相机和电脑能在正确的方向上显示图像呢。这是因为照片中保存着被称为Exif的元数据，可以交换Exchangeable image file format。

Exif包含照片像素数、焦距、光圈等信息。其中也有定向的数据。

上图的Orientation项参数为Rotate 90CW，表示在显示图像之前必须顺时针旋转90度。如果这个操作没有执行，你只能扭头看。

Exif原本是在TIFF图像格式中使用的，后来被编入JPEG图像格式中。图像数据集的图像大多是JPEG。

有些程序不分析Exif数据，因为它保持向后兼容性。许多用于处理图像数据的Python库（NumPy、SciPy、TensorFlow、Keras等）都是这样。

这意味着当你使用这些工具导入图像时，都会得到原来的非旋转图像数据。如果在CV模型中输入横向或反向图像，则会得到错误的检测结果。

乍一看是个愚蠢的问题，初学者好像会犯这样的初步错误。但是，不是这样的！即使是谷歌云上的可视API Demo，也无法正确处理Exif方向性问题。

如果你把图像旋转到正确的方向上传，检测结果就会和上面的图像完全不同

在电脑上看图像的时候没有问题，但是做模型的话就不顺利了。因此，很难知道哪里有问题。

结果，一些开发商在Github上收到了自己使用的开源项目损坏、型号不正确等投诉。但实际问题要简单得多，只是画的方向不对！

解决方案

解决这一问题的方法是在导入图像时检查这些Exif数据，并根据需要旋转图像。Adam写了代码。

import pil.imageopsimport numpy as npdef 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==1：#正规image-nothing to do！pass elif orientation==2。#irrored left to rightimg.transpose（pil.image.flip_left_right）elif orientation=3Rotated180degrees[img]。rotate（180）elif orientation=4：#Mirrored top to bottomimg。rotate（180）.transpose（pil.image.flip_left_right）elif orientation=5：#Mirrored along top-left diagonal img.rotate（-90，expand=True）.transpose（pil.image.flip_left_right）elif orientation=6。#Rotated90degreesimg.rotate（-90，expand=True）elif orientation=7：#Mirrored along top-right diagonal img.rotate（90，expand=True）.transpose（pil.image.flip_left_right）elif orientation=8Rotated 270 degrees img = img.rotate（90, expand=True） return imgdef 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，可以正确将图像导入Keras和TensorFlow。

如果麻烦的话，也要打包上的代码。在GitHub中，该项目包含image_to_它被称为numpy。可以用一行代码安装

pip3 install image_to_numpy

然后，在自己的Python代码中加入这个短语就可以了。

import matplotlib。pyplot as pltimport image_to_numpy# Load your image fileimg =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（）

是传送门

译文链接：。

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

旋转图像的image_to_numpy：

https：//github.com/ageitgey/image_to_numpy