免费快速建站工具,黑龙江工程建设网,网站营销单页面留言,wordpress边栏添加标签云【深度学习】【Opencv】python/C调用onnx模型【基础】 提示:博主取舍了很多大佬的博文并亲测有效,分享笔记邀大家共同学习讨论 文章目录 【深度学习】【Opencv】python/C调用onnx模型【基础】前言Python版本OpenCVWindows平台安装OpenCVopencv调用onnx模型 C版本OpenCVWindows平…【深度学习】【Opencv】python/C调用onnx模型【基础】 提示:博主取舍了很多大佬的博文并亲测有效,分享笔记邀大家共同学习讨论 文章目录 【深度学习】【Opencv】python/C调用onnx模型【基础】前言Python版本OpenCVWindows平台安装OpenCVopencv调用onnx模型 C版本OpenCVWindows平台安装OpenCVopencv调用onnx模型简单使用调用onnx模型 总结 前言
OpenCV是一个基于BSD许可发行的跨平台计算机视觉和机器学习软件库(开源)可以运行在Linux、Windows、Android和Mac OS操作系统上。可以将pytorch中训练好的模型使用ONNX导出再使用opencv中的dnn模块直接进行加载使用。 系列学习目录 【CPU】Pytorch模型转ONNX模型流程详解 【GPU】Pytorch模型转ONNX格式流程详解 【ONNX模型】快速部署 【ONNX模型】多线程快速部署 【ONNX模型】Opencv调用onnx Python版本OpenCV
Windows平台安装OpenCV
博主在win10环境下装anaconda环境而后搭建onnx模型运行所需的openCV环境。
# 搭建opencv环境
conda create -n opencv_onnx python3.10 -y
# 激活环境
activate opencv_onnx
# 安装opencv
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python查看opencv版本
import cv2
cv2.__version__opencv调用onnx模型
现在代码抛开任何pytorch相关的依赖也抛开了onnx相关的依赖只使用opencv完成了整个推理流程。
import cv2
import numpy as npdef normalizeImage(image,mean,std):normalized image.astype(np.float32)normalized normalized / 255.0 - meannormalized normalized / stdreturn normalizeddef main():# 读取图片image cv2.imread(r./animal-1.jpg)# 将BGR图像转换为RGB格式image cv2.cvtColor(image, cv2.COLOR_BGR2RGB)# 获取图像的大小ori_w, ori_h, image.shape[0], image.shape[1]# 指定调整后的大小new_width 416new_height 416# 图片尺寸缩放resized_img cv2.resize(image, (new_width, new_height), interpolationcv2.INTER_AREA)# 定义每个通道的归一化参数mean np.array([0.485, 0.456, 0.406]).astype(np.float32) # 均值std np.array([0.229, 0.224, 0.225]).astype(np.float32) # 标准差# 图片归一化normalized normalizeImage(resized_img, mean, std)# 加载ONNX模型net cv2.dnn.readNetFromONNX(PFNet.onnx) # 加载训练好的识别模型# onnx是多输出,每个输出都会对应一个name,因此需要获取所有输出的nameoutput_layer_names net.getUnconnectedOutLayersNames()blob cv2.dnn.blobFromImage(normalized) # 由图片加载数据 这里还可以进行缩放、归一化等预处理# 将Blob设置为模型的输入net.setInput(blob)# 运行前向传播,将所有输出name作为参数传递out net.forward(output_layer_names)out np.squeeze(out[3]) * 255.0output cv2.resize(out, (ori_h, ori_w), interpolationcv2.INTER_AREA)# 保存图像cv2.imwrite(saved_opencv_python_image.png, output)if __name__ __main__:main()C版本OpenCV
Windows平台安装OpenCV
官网下载安装文件地址博主使用opencv-4.8.0-windows.exe版本双击运行解压后即可获得以下文件 打开VS 2019新建新项目----控制台应用----配置项目----项目路径以及勾选“将解决方案和项目放在同一目录中----点击创建。 设置OpenCV路径项目----属性。 添加附加包含目录Debug | x64----C/C±—常规----附加包含目录。
D:\C_demo\opencv\build\x64\vc16\bin
D:\C_demo\opencv\build\bin
D:\C_demo\opencv\build\include
D:\C_demo\opencv\build\include\opencv2链接器Debug | x64----链接器----常规----附加包含目录。
D:\C_demo\opencv\build\x64\vc16\lib链接器Debug | x64----链接器----输入----附加依赖项。 在D:\C_demo\opencv\build\x64\vc16\lib下找到附加依赖项的文件。
opencv_world480d.lib在Debug x64模式下测试要将带有d的opencv_world480d.dll文件复制到自己项目的Debug下。 没有Debug目录时需要在Debug | x64模式下运行一遍代码。 D:\C_demo\opencv\build\x64\vc16\binD:\C_demo\opencv_onnx\x64\Debug这里博主为了方便调试安装的是debug版本的读者可以安装release版本的只需要将属性的Debug | x64变成Release | x64即可再将opencv_world480.dll文件复制到自己项目的Release下。
opencv调用onnx模型
简单使用
这里简单验证一下opencv是否安装成功适用于包括博主在内的许多对c不熟悉的人来说代码完成了简单的图像的读取与显示。
#include opencv2/opencv.hpp
using namespace cv;
using namespace std;
int main(int argc, char** argv) {Mat src imread(./animal-1.jpg);//没有图像输入if (src.empty()) {printf(....\n);return -1;}//namedWindow(输入窗口, WINDOW_FREERATIO);imshow(输入窗口, src);waitKey(0);destroyAllWindows();return 0;
}调用onnx模型
将python版本的opencv转化成对应的c版本的发现输出的效果完全一致onnx模型可以作为c的接口来供其他应用调用。
#include iostream
#include string
#include vector
#includeopencv2/opencv.hpp
#include opencv2/dnn.hpp
using namespace std;
cv::Mat normalizeImage(const cv::Mat image, const cv::Scalar mean, const cv::Scalar std) {cv::Mat normalized;image.convertTo(normalized, CV_32F);cv::subtract(normalized / 255.0, mean, normalized);cv::divide(normalized, std, normalized);return normalized;
}
int main()
{ // 读取图片cv::Mat bgrImage cv::imread(./animal-1.jpg, cv::IMREAD_COLOR);// 图片格式转化bgr--rgbcv::Mat rgbImage;cv::cvtColor(bgrImage, rgbImage, cv::COLOR_BGR2RGB);// 获取图像的大小cv::Size originalSize(rgbImage.cols, rgbImage.rows);cv::Mat resizedImage;// 定义目标图像大小cv::Size targetSize(416, 416);//图片尺寸缩放cv::resize(rgbImage, resizedImage, targetSize, 0, 0, cv::INTER_AREA);// 定义每个通道的归一化参数cv::Scalar mean(0.485, 0.456, 0.406); // 均值cv::Scalar std(0.229, 0.224, 0.225); // 标准差// 图片归一化cv::Mat normalized normalizeImage(resizedImage, mean, std);// 加载ONNX模型cv::dnn::Net net cv::dnn::readNetFromONNX(D:/C_demo/opencv_onnx/PFNet.onnx);cv::Mat blob cv::dnn::blobFromImage(normalized);// 将Blob设置为模型的输入net.setInput(blob);// 运行前向传播std::vectorcv::Mat output_probs;// 获取多输出对应的名称std::vectorcv::String output_layer_names net.getUnconnectedOutLayersNames();net.forward(output_probs, output_layer_names);cv::Mat prediction output_probs[3];cv::Mat mask;cv::resize(prediction.reshape(1, 416) * 255.0, mask, originalSize, 0, 0, cv::INTER_AREA);cv::imwrite(saved_opencv_c_image.png, mask);return 0;
}总结
尽可能简单、详细的介绍Python和C下POpencv调用ONNX模型的流程。
