OpenCV（cv::dnn::blobFromImage()）

• 1. 函数定义
• 2. 示例代码
• 3. 应用场景
• 4. 注意事项

cv::dnn::blobFromImage() 是 OpenCV 的 DNN 模块中的一个函数，用于将输入图像转换为深度学习模型可接受的输入格式（称为“blob”）。它通常在使用预训练的深度学习模型进行推理时，用于图像预处理，将图像格式转换为模型所需的四维张量格式。

1. 函数定义

cv::Mat cv::dnn::blobFromImage(
    InputArray image,                    // 输入图像
    double scalefactor = 1.0,            // 缩放因子
    Size size = Size(),                  // 图像大小
    Scalar mean = Scalar(),              // 均值，用于去均值化
    bool swapRB = false,                 // 交换红蓝通道
    bool crop = false,                   // 是否裁剪
    int ddepth = CV_32F                  // 输出 blob 的深度
);

参数详解：

1. image：输入图像（cv::Mat 类型），通常为 BGR 格式。如果是多张图像组成的 batch，则输入为包含多张图像的向量。
2. scalefactor：缩放因子，所有像素值将乘以该因子。通常用于将像素值标准化为模型所需的范围。例如，如果像素值范围为 [0, 255]，并希望将其缩放到 [0, 1]，则 scalefactor 应设置为 1/255.0。
3. size：目标尺寸，即将图像调整到指定的宽高。多数深度学习模型要求输入图像具有特定的尺寸（如 224x224），因此该参数用于调整输入图像大小。
4. mean：均值，用于去均值化。每个通道的像素值减去对应的均值。例如，某些模型使用 (mean_R, mean_G, mean_B) = (104, 117, 123) 来去均值化，使图像更加符合训练时的统计分布。
5. swapRB：交换红蓝通道，默认值为 false。OpenCV 使用 BGR 格式读取图像，而大部分深度学习模型使用 RGB 格式，因此此参数设为 true 可以交换通道，使图像符合 RGB 顺序。
6. crop：是否裁剪图像。设为 true 时，将按中心裁剪图像，确保宽高比不变，并符合 size 指定的尺寸。
7. ddepth：输出 blob 的深度，默认值为 CV_32F（单精度浮点数）。可以根据模型需要选择不同的深度。

返回值：

cv::dnn::blobFromImage() 返回一个 cv::Mat 类型的四维张量，称为 “blob”。返回的张量具有以下形状：

• 形状：(N, C, H, W)
  • N：样本数（batch size），通常为 1。
  • C：通道数（color channels），通常为 3（BGR）。
  • H：高度。
  • W：宽度。

2. 示例代码

以下示例展示了如何使用 cv::dnn::blobFromImage() 将图像转换为 blob，并将其传递给一个深度学习模型。

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

int main() {
    // 读取图像
    Mat image = imread("image.jpg");

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

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

    // 将 blob 设置为网络的输入
    net.setInput(blob);

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

    // 处理推理结果
    // ...

    return 0;
}

3. 应用场景

1. 图像标准化：通过去均值和缩放，将图像归一化为模型所需的分布。
2. 通道交换：在使用 OpenCV 读取的 BGR 格式图像时，转换为 RGB 顺序以兼容大多数模型。
3. 批量输入：支持多个图像的批量转换，将多个图像一次性转换为模型输入格式。

4. 注意事项

• 尺寸匹配：确保 size 与模型的输入尺寸一致，否则可能导致推理错误。
• 通道顺序：默认 swapRB=false，适用于 BGR 格式图像。如果模型需要 RGB 格式输入，请将 swapRB=true。
• 输出数据类型：blob 默认使用浮点格式（CV_32F），如果模型需要其他类型的数据，需在 ddepth 参数中指定。