如何自己做官网,东莞网站关键词优化公司,浙江省城乡建设厅,一个完整的活动策划方案文章目录 介绍Opencv numpy等效的MNN处理 介绍
MNN ImageProcess处理图像是先reisze还是后resize#xff0c;均值方差怎么处理#xff0c;是什么通道顺序#xff1f;这篇文章告诉你答案。
Opencv numpy
这段代码是一个图像预处理函数#xff0c;用于对输入的图像进行一系… 文章目录 介绍Opencv numpy等效的MNN处理 介绍
MNN ImageProcess处理图像是先reisze还是后resize均值方差怎么处理是什么通道顺序这篇文章告诉你答案。
Opencv numpy
这段代码是一个图像预处理函数用于对输入的图像进行一系列处理以便将其用于某些机器学习模型的输入。 cv2.imdecode(np.fromfile(imgpath, dtypenp.uint8), 1)这行代码从文件中读取图像数据并使用OpenCV库中的imdecode函数将其解码为图像矩阵。参数1表示图像应该按原样解码即不进行颜色转换或通道重新排序。 cv2.resize(img, (224, 224), interpolationcv2.INTER_LINEAR)接下来将图像调整大小为 (224, 224)这是因为一些深度学习模型如AlexNet、VGG等需要固定大小的输入图像。 img img.astype(np.float32)将图像数据类型转换为 32 位浮点数通常这是深度学习模型期望的输入类型。 img img[..., ::-1]颜色通道顺序调整将图像从 BGR 格式转换为 RGB 格式。 img_norm_cfg定义了图像的归一化参数包括均值和标准差。这些参数用于将图像像素值标准化到一个较小的范围以便模型更好地处理图像数据。 img - img_norm_cfg[mean]对图像进行均值归一化。 img * img_norm_cfg[std]对图像进行标准差归一化。 img img.transpose((2, 0, 1))调整图像的维度顺序将通道维度置于第一个位置。 img np.expand_dims(img, axis0)在图像的第一个维度批处理维度上添加一个维度使其成为形状为 (1, C, H, W) 的批量图像数据其中 C 是通道数H 和 W 是图像的高度和宽度。
最终函数返回预处理后的图像数据可以直接用于输入深度学习模型进行训练或推断。 def preprocess(self, imgpath: str):img cv2.imdecode(np.fromfile(imgpath, dtypenp.uint8), 1) # img是矩阵if img is None:raise Exception(image is None: imgpath)img cv2.resize(img, (224, 224), interpolationcv2.INTER_LINEAR)img img.astype(np.float32)img img[..., ::-1]img_norm_cfg dict(mean[103.53, 116.28, 123.675],std[0.01712, 0.01750, 0.01742])img - img_norm_cfg[mean]img * img_norm_cfg[std]img img.transpose((2, 0, 1))img np.expand_dims(img, axis0)return img等效的MNN处理
下面是一个等效的MNN处理
// 获取模型和会话
ModelData GetDetModel(const char* model_file_name) {using namespace MNN;ModelData modelData;// MNNstd::shared_ptrInterpreter interpreter(Interpreter::createFromFile(model_file_name));ScheduleConfig config_s;config_s.type MNN_FORWARD_AUTO;Session* mSession interpreter-createSession(config_s);Tensor* mInputTensor interpreter-getSessionInput(mSession, NULL);Tensor* mOutputTensor interpreter-getSessionOutput(mSession, NULL);// 输入处理形成一个mnn张量// dst (img - mean) * normalMNN::CV::ImageProcess::Config config;config.destFormat MNN::CV::ImageFormat::RGB;config.sourceFormat MNN::CV::ImageFormat::BGR;float mean_[4] {103.53f, 116.28f, 123.675f, 0.0f};memcpy(config.mean, mean_, 4 * sizeof(float));float normal_[4] {0.01712f, 0.01750f, 0.01742f, 0.0f};memcpy(config.normal, normal_, 4 * sizeof(float));config.filterType MNN::CV::NEAREST;config.wrap MNN::CV::ZERO;std::shared_ptrMNN::CV::ImageProcess image_process(MNN::CV::ImageProcess::create(config));// MNN::CV::Matrix transform;// image_process-setMatrix(transform);modelData.interpreter interpreter;modelData.session mSession;modelData.mInputTensor mInputTensor;modelData.mOutputTensor mOutputTensor;modelData.image_process image_process;return modelData;
}// 释放资源
void ReleaseDetModel(ModelData modelData) {using namespace MNN;auto interpreter modelData.interpreter;auto mSession modelData.session;auto mInputTensor modelData.mInputTensor;auto mOutputTensor modelData.mOutputTensor;auto image_process modelData.image_process;interpreter-releaseModel();interpreter-releaseSession(mSession);
}std::vectorfloat RunDetModel(ModelData modelData, // 模型和会话cv::Mat img_bgr) // 图片 opencv mat
{using namespace MNN;auto interpreter modelData.interpreter;auto mSession modelData.session;auto mInputTensor modelData.mInputTensor;auto mOutputTensor modelData.mOutputTensor;auto image_process modelData.image_process;cv::Mat srcimgx;srcimgx img_bgr.clone();cv::resize(srcimgx, srcimgx, cv::Size(224, 224), 0, 0, cv::INTER_LINEAR);int img_resize_height srcimgx.rows;int img_resize_width srcimgx.cols;// resizeSession// interpreter-resizeTensor(mInputTensor, {1, 3, img_resize_height, img_resize_width});// interpreter-resizeSession(mSession);// 输入处理形成一个mnn张量std::vectorint shape {1, 3, img_resize_height, img_resize_width};std::shared_ptrMNN::Tensor input_tensor(MNN::Tensor::createfloat(shape, nullptr, MNN::Tensor::CAFFE));image_process-convert(srcimgx.data, img_resize_width, img_resize_height, 0, input_tensor.get());// 给入mInputTensormInputTensor-copyFromHostTensor(input_tensor.get());// Run mSessioninterpreter-runSession(mSession);// Get outputauto nchwTensorOt new Tensor(mOutputTensor, Tensor::CAFFE);// 拷贝出去mOutputTensor-copyToHostTensor(nchwTensorOt);// 使用auto type nchwTensorOt-getType();auto size nchwTensorOt-elementSize();std::vectorint shape_out nchwTensorOt-shape();// values 输出形状是 img_fp_height, img_fp_width直接给到cv::Matauto values nchwTensorOt-hostfloat();// log values sizestd::vectorfloat outimg(values, values size);delete nchwTensorOt;return outimg;
}
