14、图像分类实战（一）：模型准备（MobileNet）、图像预处理（Bitmap转张量）、加载模型并推理

各位同学，欢迎来到实战环节。前面我们聊了不少NNAPI的理论和基础API，今天终于要上手做点真正能跑的东西了。图像分类，可以说是移动端AI最经典的应用场景之一。你想想看，手机拍张照片，立刻告诉你这是猫还是狗，是杯子还是手机——这背后就是图像分类模型在干活。

今天这一章，我们聚焦在三个核心环节：模型准备、图像预处理、模型加载与推理。我会用MobileNet这个轻量级网络作为例子，带大家走通整个流程。

14.1 模型准备：拿到MobileNet并放进项目

首先，你得有一个模型文件。MobileNet是Google为移动端设计的轻量级分类网络，参数量小、速度快，特别适合在手机上跑。我个人习惯用MobileNet V1，因为它的结构简单，NNAPI兼容性也最好。

去哪里拿？TensorFlow官方提供了预训练好的模型，你直接下载mobilenet_v1_1.0_224.tflite就行。这个模型输入是224×224的RGB图像，输出是1000个类别的置信度分数。

嗯，这里要注意一点：模型文件大小。MobileNet V1的tflite大约4.3MB，还算友好。但如果你用更大的模型，比如ResNet-50，那就要考虑是否放在assets里了——APK体积会暴涨。我在项目中遇到过，一个客户非要用Inception V3，结果APK直接多了80MB，最后只能改成运行时从服务器下载。

14.2 图像预处理：从Bitmap到张量

模型准备好了，接下来是关键一步：把手机拍的照片转成模型能理解的张量。说白了，就是把Bitmap对象变成float数组，形状是[1, 224, 224, 3]。

为什么是224×224？因为MobileNet训练时用的就是224×224的图片。你给一张1920×1080的照片进去，模型会直接报错——它不认识这么大的输入。

预处理步骤其实就三件事：

1. 缩放：把Bitmap缩放到224×224
2. 转格式：把像素值从ARGB_8888转成RGB顺序的float数组
3. 归一化：把[0, 255]的像素值映射到[-1, 1]或[0, 1]区间

来看代码，我直接贴一个我常用的工具方法：

// Bitmap转张量，适配MobileNet输入
public static float[] bitmapToFloatArray(Bitmap bitmap) {
    // 1. 缩放到224x224
    Bitmap resized = Bitmap.createScaledBitmap(bitmap, 224, 224, true);
    
    // 2. 分配输出数组：1 * 224 * 224 * 3
    float[] input = new float[1 * 224 * 224 * 3];
    int[] pixels = new int[224 * 224];
    resized.getPixels(pixels, 0, 224, 0, 0, 224, 224);
    
    // 3. 遍历每个像素，提取RGB并归一化到[-1, 1]
    for (int i = 0; i < pixels.length; i++) {
        int pixel = pixels[i];
        // 提取RGB分量（注意：Android中ARGB顺序）
        float r = ((pixel >> 16) & 0xFF) / 127.5f - 1.0f;
        float g = ((pixel >> 8) & 0xFF) / 127.5f - 1.0f;
        float b = (pixel & 0xFF) / 127.5f - 1.0f;
        
        // 按CHW顺序填充（实际是NHWC，但batch=1所以简化）
        input[i * 3] = r;
        input[i * 3 + 1] = g;
        input[i * 3 + 2] = b;
    }
    
    // 别忘了回收中间Bitmap
    resized.recycle();
    return input;
}

你可能会问：为什么不用Bitmap.createScaledBitmap直接缩放？嗯，这个方法确实方便，但要注意它默认使用Bitmap.Config.ARGB_8888，如果你的原图是RGB_565，需要先转换一下。另外，缩放算法我建议用Bitmap.createScaledBitmap的默认双线性插值，效果和速度都比较均衡。

14.3 加载模型并推理：NNAPI登场

图像预处理完了，接下来就是加载模型、跑推理。Android上加载tflite模型最常用的就是Interpreter类，它是TensorFlow Lite的Java API入口。

加载模型很简单：

// 从assets加载模型文件
MappedByteBuffer tfliteModel = FileUtil.loadModelFile(context, "mobilenet_v1_1.0_224.tflite");

// 创建Interpreter，开启NNAPI加速
Interpreter.Options options = new Interpreter.Options();
options.setUseNNAPI(true);  // 关键！启用NNAPI委托

Interpreter interpreter = new Interpreter(tfliteModel, options);

这里有个细节：setUseNNAPI(true) 就是告诉Interpreter优先使用NNAPI进行硬件加速。如果设备支持，它会自动把计算任务交给NPU或GPU；如果不支持，就回退到CPU执行。你想想看，这多省心——一行代码搞定硬件适配。

推理执行：

// 准备输入输出
float[][] output = new float[1][1000];  // 1000个类别

// 执行推理
interpreter.run(input, output);

// 解析结果：找到置信度最高的类别
int maxIndex = 0;
float maxConfidence = 0;
for (int i = 0; i < 1000; i++) {
    if (output[0][i] > maxConfidence) {
        maxConfidence = output[0][i];
        maxIndex = i;
    }
}

// 根据索引查标签（需要提前加载labels.txt）
String label = labelList.get(maxIndex);
Log.d("NNAPI_Demo", "识别结果: " + label + " 置信度: " + maxConfidence);

// 用完记得释放
interpreter.close();

14.4 完整流程串起来

把上面三部分拼在一起，就是一个完整的图像分类流程。我习惯把它们封装成一个ImageClassifier类，对外只暴露一个classify(Bitmap bitmap)方法。这样上层调用者完全不用关心模型加载、预处理这些细节。

这里有个设计上的小建议：Interpreter实例要复用。不要每次分类都new一个Interpreter，那太慢了。我一般在Application初始化时创建一次，然后整个生命周期复用。记得在不需要时调用interpreter.close()释放资源。

最后，关于标签文件。MobileNet输出的1000个类别对应的是ImageNet的标签。你需要准备一个labels.txt文件，每行一个标签名，顺序和模型输出索引一一对应。加载方式也很简单：

List<String> labels = new ArrayList<>();
BufferedReader reader = new BufferedReader(
    new InputStreamReader(context.getAssets().open("labels.txt")));
String line;
while ((line = reader.readLine()) != null) {
    labels.add(line);
}
reader.close();

好了，这一章的内容就到这里。模型准备、图像预处理、加载推理，这三个环节是图像分类的基石。下一章我们会继续深入，聊聊如何优化推理性能、处理多线程并发，以及一些实际项目中的坑。各位同学可以先动手把今天的内容跑通，有问题随时交流。

---

公众号:蓝海资料掘金营，微信deep3321