scratch lenet(1): 读写 pgm 图像文件

文章目录

scratch lenet(1): 读写 pgm 图像文件
- 1. 目的
- 2. pgm 格式介绍
- - 2.1 概要
  - 2.2 meta 信息
  - 2.3 像素内容
- 3. 创建 .pgm 文件
- 4. 使用C语言读取 .pgm 灰度图文件
- - 4.1 实现
  - 4.2 解释
- 5. 使用C语言保存 .pgm 灰度图文件

1. 目的

最近在 github 上关注了 LLM 的流行库 llama.cpp 和 whisper.cpp 的作者 Georgi Gerganov, 简称 gg 哥。通过 gg哥关注到了 deepdream 算法作者开源的 deepdream_c 代码。完全用 C89 写成的 deepdream，编译只需要1秒钟， Windows 和 Linux 都能运行。完全不依赖 PyTorch 和 OpenCV 等框架，连 C++ 都没使用，非常克制，可移植性非常高。这个风格和 gg 哥的风格有点像的：喜欢单一的 .vimrc 文件，写 ggml 主要放在一个16000行的文件中。打算按照这种风格，用 C99 标准，不借助外部库，实现 lenet。

实现过程中难免遇到不熟悉的内容，因为这是一种“全都自己造”的风格；没关系，我会尝试逐一弄懂，以博客形式分享出来。

这是这系列的第一篇，分享的是 pgm 图像的读写。用 pgm 格式的原因是，项目规模非常小的时候， BMP 的编解码都显得过于复杂，目前只需要灰度图的前提下， pgm 足够使用，而 Linux KDE 下的默认图像查看器，完全可以查看 pgm 格式。

2. pgm 格式介绍

2.1 概要

pgm 里的 g 表示 gray，是灰度图，数据范围通常是 0 到 255。

pgm 文件，以二进制格式进行存储，不过它的内容其实是文本 + 二进制混合的：meta 信息是文本，图像像素内容是二进制。

2.2 meta 信息

第一行是 P5 两个字符。
第二行是空格分隔的两个整数，分别表示图像宽度，高度。
第三行是一个整数，表示像素最大取值，通常是255。

这些信息都是文本格式写入，也就是用 fprintf 写入， fscanf 读取。也可以用记事本查看 .pgm 文件。

2.3 像素内容

用二进制形式存储， row-major。
也就是说，用 fread 读取，用 fwrite 写入。

3. 创建 .pgm 文件

我的开发环境是 Ubuntu 22.04， KDE 桌面，也可以叫做 “KUbuntu”. 不过我认为 KUbuntu 的叫法很奇怪，Ubuntu 并不限制你用什么桌面，安装了 KDE 之后也可以安装 Cinamon， XFCE 等桌面，如果安装的不是 Ubuntu 而是 OpenSude， Manjaro 等 Linux 发行版，也可以安装 KDE。

我使用 KDE 里的 KolourPaint 这个绘图软件，制作一张手写数字“3”的图像：

保存图像，选择 .pgm 格式：

4. 使用C语言读取 .pgm 灰度图文件

4.1 实现

简单起见，我们直接读取刚刚用 KolourPaint 生成的 3.pgm 文件。你也可以直接下载：
3.pgm：一张绘图图，格式为pgm

uchar g_image[784];
void read_pgm_image()
{FILE* fin = fopen("3.pgm", "rb");char magic[3];int width, height;int nscan = fscanf(fin, "%2s\n%d %d\n255\n", magic, &width, &height);if (nscan == 3 && magic[0] == 'P' && magic[1] == '5'){fread(g_image, 784, 1, fin);}fclose(fin);
}

如果打算读取其他 .pgm 文件，可以自行重构，其中 784 等于 28 * 28, 是图像大小。

4.2 解释

FILE* fin = fopen("3.pgm", "rb"); 是以二进制格式打开文件 3.pgm.

读取第一行的 P5 两个字符时，使用了

char magic[3];

而不是

char magic[2];

原因是避免内存越界，具体分析见 Cracking C++(13): 读取不超过n个字符。

int nscan = fscanf(fin, "%2s\n%d %d\n255\n", magic, &width, &height); 是读取 meta 信息，是以文本方式读取。

fread(g_image, 784, 1, fin); 是读取像素内容，是按二进制格式读取。

5. 使用C语言保存 .pgm 灰度图文件

和读取过程是配套的，代码如下

void write_pgm_image(uchar* image, int width, int height, const char* filename)
{FILE* fout = fopen(filename, "wb");fprintf(fout, "P5\n%d %d\n255\n", width, height);fwrite(image, width * height, 1, fout);fclose(fout);
}