TensorFlow Android端如何将相机Bitmap喂入CNN模型？输入尺寸需调整吗？

首先得先理清你当前的一个矛盾点：你提到输入占位符标注的是[None, 32, 32, 3]，但实际代码里写的是tf.placeholder(tf.float32, [None, 24, 24, 3])——这两个尺寸必须统一，否则模型在Android端根本无法正常运行，这是第一步要解决的问题。

一、输入尺寸的确定与修改 #

你需要先确认训练模型时使用的输入图像尺寸：

• 如果训练数据是32x32的RGB图像，那你需要修改代码中的占位符为tf.placeholder(tf.float32, [None, 32, 32, 3])，然后重新训练并冻结模型；
• 如果训练数据是24x24的，那就保持代码中的占位符，但要确保后续Android端处理后的图像尺寸也是24x24。

简单来说：模型的输入尺寸必须和训练时的输入尺寸完全一致，不然会出现维度不匹配的错误。

二、将相机Bitmap转换为模型可接受的输入格式 #

在Android端，不管你用的是冻结的TensorFlow模型还是转换后的TFLite模型，都需要将相机拍摄的Bitmap转换成符合要求的ByteBuffer或float数组，具体步骤如下：

1. 缩放Bitmap到模型要求的尺寸 #

相机拍摄的图像尺寸肯定远大于32x32或24x24，所以第一步要缩放Bitmap：

// 假设模型要求的输入尺寸是32x32，可根据实际修改为24
int inputSize = 32;
Bitmap resizedBitmap = Bitmap.createScaledBitmap(originalBitmap, inputSize, inputSize, true);

2. 转换颜色空间并归一化 #

通常相机Bitmap是ARGB_8888格式，而模型需要RGB格式，同时训练时一般会对输入做归一化（比如将像素值从0-255转为0-1，或者减均值除以标准差），这里以最常见的除以255归一化为例：

int[] pixels = new int[inputSize * inputSize];
resizedBitmap.getPixels(pixels, 0, resizedBitmap.getWidth(), 0, 0, resizedBitmap.getWidth(), resizedBitmap.getHeight());

// 准备ByteBuffer，注意容量：inputSize*inputSize*3（RGB三个通道）*4（float占4字节）
ByteBuffer inputBuffer = ByteBuffer.allocateDirect(inputSize * inputSize * 3 * 4);
inputBuffer.order(ByteOrder.nativeOrder());

for (int pixel : pixels) {
    // 提取RGB通道值，ARGB格式中，alpha是最高8位，依次是R、G、B
    float r = Color.red(pixel) / 255.0f;
    float g = Color.green(pixel) / 255.0f;
    float b = Color.blue(pixel) / 255.0f;
    
    inputBuffer.putFloat(r);
    inputBuffer.putFloat(g);
    inputBuffer.putFloat(b);
}
inputBuffer.rewind(); // 将指针移到缓冲区开头

3. 喂入模型 #

如果是使用TensorFlow的Java API，你可以将这个ByteBuffer作为输入张量喂入模型；如果是TFLite模型，直接将ByteBuffer传入run()方法即可：

// 以TFLite为例
tflite.run(inputBuffer, outputBuffer);

三、额外注意事项 #

• 如果训练时的归一化方式不是除以255（比如减均值[123.68, 116.779, 103.939]再除以标准差），那Android端必须完全复刻这个预处理逻辑，否则模型输出会不准确；
• 确保输入的维度顺序是NHWC（批量、高度、宽度、通道），这是TensorFlow默认的格式，上面的代码已经是按HxWxC的顺序写入的，批量维度由模型自动处理（因为占位符是None，对应批量大小）。

内容的提问来源于stack exchange，提问作者user5553995