OpenCV（cv::dnn::blobFromImage()）

做梦当财神發表於2024-10-30
OpenCVDNN

目錄
  • 1. 函式定義
  • 2. 示例程式碼
  • 3. 應用場景
  • 4. 注意事項



cv::dnn::blobFromImage() 是 OpenCV 的 DNN 模組中的一個函式，用於將輸入影像轉換為深度學習模型可接受的輸入格式（稱為“blob”）。它通常在使用預訓練的深度學習模型進行推理時，用於影像預處理，將影像格式轉換為模型所需的四維張量格式。



1. 函式定義

cv::Mat cv::dnn::blobFromImage(
    InputArray image,                    // 輸入影像
    double scalefactor = 1.0,            // 縮放因子
    Size size = Size(),                  // 影像大小
    Scalar mean = Scalar(),              // 均值，用於去均值化
    bool swapRB = false,                 // 交換紅藍通道
    bool crop = false,                   // 是否裁剪
    int ddepth = CV_32F                  // 輸出 blob 的深度
);

引數詳解：

  1. image：輸入影像（cv::Mat 型別），通常為 BGR 格式。如果是多張影像組成的 batch，則輸入為包含多張影像的向量。
  2. scalefactor：縮放因子，所有畫素值將乘以該因子。通常用於將畫素值標準化為模型所需的範圍。例如，如果畫素值範圍為 [0, 255]，並希望將其縮放到 [0, 1]，則 scalefactor 應設定為 1/255.0。
  3. size：目標尺寸，即將影像調整到指定的寬高。多數深度學習模型要求輸入影像具有特定的尺寸（如 224x224），因此該引數用於調整輸入影像大小。
  4. mean：均值，用於去均值化。每個通道的畫素值減去對應的均值。例如，某些模型使用 (mean_R, mean_G, mean_B) = (104, 117, 123) 來去均值化，使影像更加符合訓練時的統計分佈。
  5. swapRB：交換紅藍通道，預設值為 false。OpenCV 使用 BGR 格式讀取影像，而大部分深度學習模型使用 RGB 格式，因此此引數設為 true 可以交換通道，使影像符合 RGB 順序。
  6. crop：是否裁剪影像。設為 true 時，將按中心裁剪影像，確保寬高比不變，並符合 size 指定的尺寸。
  7. ddepth：輸出 blob 的深度，預設值為 CV_32F（單精度浮點數）。可以根據模型需要選擇不同的深度。

返回值：

cv::dnn::blobFromImage() 返回一個 cv::Mat 型別的四維張量，稱為 “blob”。返回的張量具有以下形狀：

  • 形狀：(N, C, H, W)
    • N：樣本數（batch size），通常為 1。
    • C：通道數（color channels），通常為 3（BGR）。
    • H：高度。
    • W：寬度。


2. 示例程式碼

以下示例展示瞭如何使用 cv::dnn::blobFromImage() 將影像轉換為 blob，並將其傳遞給一個深度學習模型。

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>
using namespace cv;
using namespace cv::dnn;

int main() {
    // 讀取影像
    Mat image = imread("image.jpg");

    // 轉換為 blob
    Mat blob = blobFromImage(image, 1.0/255.0, Size(224, 224), Scalar(0, 0, 0), true, false);

    // 載入 DNN 模型
    Net net = readNetFromONNX("model.onnx");

    // 將 blob 設定為網路的輸入
    net.setInput(blob);

    // 推理
    Mat output = net.forward();

    // 處理推理結果
    // ...

    return 0;
}


3. 應用場景

  1. 影像標準化：透過去均值和縮放，將影像歸一化為模型所需的分佈。
  2. 通道交換：在使用 OpenCV 讀取的 BGR 格式影像時，轉換為 RGB 順序以相容大多數模型。
  3. 批次輸入：支援多個影像的批次轉換，將多個影像一次性轉換為模型輸入格式。


4. 注意事項

  • 尺寸匹配：確保 size 與模型的輸入尺寸一致，否則可能導致推理錯誤。
  • 通道順序：預設 swapRB=false，適用於 BGR 格式影像。如果模型需要 RGB 格式輸入，請將 swapRB=true。
  • 輸出資料型別：blob 預設使用浮點格式（CV_32F），如果模型需要其他型別的資料，需在 ddepth 引數中指定。


相關文章