Opencv 图像裁剪

wan942182718

ONNX模型推理，图像显示，看图不知道是哪的问题
推理第一张图片没问题，到第二张就奔溃了，不知道哪的问题


这里插入完整代码，找问题，例子都是按官方示例写的

  

子程序名	返回值类型	公开	备 注
测试_ONNX
参数名	类 型	参考	可空	数组	备 注
模型路劲	文本型
图片路径	文本型
类Txt文件	文本型
模型输入形状	Size

变量名	类 型	静态	数组	备 注
N	整数型
net	Net
modelInput	Mat
class	文本型		0
classes	VectorString
col	整数型
row	整数型
max	整数型
result	Mat
blob	Mat
outputs	VectorMat
classnames	VectorString
rows	整数型
dimensions	整数型
size	整数型		0
i	整数型
yolov8	逻辑型
data	整数型
classes_scores	整数型
x_factor	小数型
y_factor	小数型
scores	Mat
dims	整数型
minLoc	Point
maxLoc	Point
maxClassScore	双精度小数型
x	小数型
y	小数型
w	小数型
h	小数型
left	整数型
top	整数型
width	整数型
height	整数型
class_ids	Vectorint
confidences	Vectorfloat
boxes	VectorRect
nms_result	Vectorint
modelConfidenceThreshold	小数型			置信度阈值
modelScoreThreshold	小数型			分数阈值
modelNMSThreshold	小数型			NMS阈值
idx	整数型
class_id	整数型
color	Scalar
box	Rect
classString	文本型
textSize	Size
frame	Mat

net ＝ readNetFromONNX (模型路劲)
如果真 (net.empty ())
调试输出 (“加载模型失败！”)
返回 ()
如果真 (是否为空 (类Txt文件))
class ＝ { “person”, “bicycle”, “car”, “motorcycle”, “airplane”, “bus”, “train”, “truck”, “boat”, “traffic light”, “fire hydrant”, “stop sign”, “parking meter”, “bench”, “bird”, “cat”, “dog”, “horse”, “sheep”, “cow”, “elephant”, “bear”, “zebra”, “giraffe”, “backpack”, “umbrella”, “handbag”, “tie”, “suitcase”, “frisbee”, “skis”, “snowboard”, “sports ball”, “kite”, “baseball bat”, “baseball glove”, “skateboard”, “surfboard”, “tennis racket”, “bottle”, “wine glass”, “cup”, “fork”, “knife”, “spoon”, “bowl”, “banana”, “apple”, “sandwich”, “orange”, “broccoli”, “carrot”, “hot dog”, “pizza”, “donut”, “cake”, “chair”, “couch”, “potted plant”, “bed”, “dining table”, “toilet”, “tv”, “laptop”, “mouse”, “remote”, “keyboard”, “cell phone”, “microwave”, “oven”, “toaster”, “sink”, “refrigerator”, “book”, “clock”, “vase”, “scissors”, “teddy bear”, “hair drier”, “toothbrush” }
计次循环首 (取数组成员数 (class), i)
classes.push_back (class [i])
计次循环尾 ()
如果真 (是否为空 (模型输入形状))
模型输入形状.width ＝ 640
模型输入形状.height ＝ 640
net.setPreferableBackend ( #DNN_BACKEND_OPENCV )
net.setPreferableTarget ( #DNN_TARGET_CPU )
net.enableFusion (假)  ' 禁用层融合
modelConfidenceThreshold ＝ 0.25
modelScoreThreshold ＝ 0.45
modelNMSThreshold ＝ 0.5
计次循环首 (取数组成员数 (图片路径), N)
modelInput.指针 (imread (图片路径 [N]))
如果真 (modelInput.Empty ())
调试输出 (“读取图片失败！”, 图片路径 [N])
到循环尾 ()
如果真 (模型输入形状.width ＝ 模型输入形状.height)
col ＝ modelInput.Cols ()
row ＝ modelInput.Rows ()
max ＝ 到整数 (最大值 (col, row))
result.zeros (max, max, #CV_8UC3 )
调试输出 (“col: ” ＋ 到文本 (result.Cols ()) ＋ “ row: ” ＋ 到文本 (result.Rows ()) ＋ “ channels: ” ＋ 到文本 (result.channels ()))
modelInput.copyTrect (result, Rect (0, 0, col, row))
调试输出 (“col: ” ＋ 到文本 (result.Cols ()) ＋ “ row: ” ＋ 到文本 (result.Rows ()) ＋ “ channels: ” ＋ 到文本 (result.channels ()))
modelInput ＝ result

blobFromImage2 (modelInput, blob, 1 ÷ 255, 模型输入形状, , 真, 假)
net.setInput (blob)
classnames ＝ net.getUnconnectedOutLayersNames ()
计次循环首 (classnames.size (), i)
调试输出 (“classnames: ”, classnames.at (i － 1))
计次循环尾 ()
net.forward3 (outputs, classnames)
如果真 (outputs.size () ≤ 0 或 outputs.empty ())
到循环尾 ()

outputs.at (0).size (size)
rows ＝ size [2]
dimensions ＝ size [3]
调试输出 (“outputs: ”, size [1], rows, dimensions)
如果真 (dimensions ＞ rows)  ' 检查 shape[2] 是否大于 shape[1]（yolov8）(yolo11)
yolov8 ＝ 真
rows ＝ size [3]
dimensions ＝ size [2]
' outputs.at (0, outputs.at (0).reshape (1, dimensions))
outputs.IndexReshape (0, 1, dimensions)
transpose (outputs.at (0), outputs.at (0))
data ＝ outputs.at (0).dataToF ()
x_factor ＝ modelInput.Cols () ÷ 模型输入形状.width
y_factor ＝ modelInput.Rows () ÷ 模型输入形状.height
outputs.at (0).size (size)
' 调试输出 (“data : ”, size [1], size [2], 取数组成员数 (size), x_factor, y_factor)
变量循环首 (0, rows － 1, 1, i)
判断 (yolov8)
classes_scores ＝ 指针_到地址_ASM (data, 4, 4)
' 调试输出 (“Mat Data: [ ” ＋ 到文本 (i) ＋ “ ] ” ＋ 到文本 (data) ＋ “ - ” ＋ 到文本 (classes_scores))
scores.NewTData (1, classes.size (), #CV_32FC1, classes_scores)
minMaxLoc (scores, , maxClassScore, minLoc, maxLoc)
如果真 (maxClassScore ＞ modelScoreThreshold)
confidences.push_back (maxClassScore)
class_ids.push_back (maxLoc.x)
x ＝ array_float (data, 0)
y ＝ array_float (data, 1)
w ＝ array_float (data, 2)
h ＝ array_float (data, 3)
left ＝ 取整 ( (x － 0.5 × w) × x_factor)
top ＝ 取整 ( (y － 0.5 × h) × y_factor)
width ＝ 取整 (w × x_factor)
height ＝ 取整 (h × y_factor)
调试输出 (“[ ” ＋ 到文本 (i) ＋ “ ] ” ＋ 到文本 (x) ＋ “ - ” ＋ 到文本 (y) ＋ “ - ” ＋ 到文本 (w) ＋ “ - ” ＋ 到文本 (h) ＋ “ left：” ＋ 到文本 (left) ＋ “ top：” ＋ 到文本 (top) ＋ “ width：” ＋ 到文本 (width) ＋ “ height：” ＋ 到文本 (height))
boxes.push_back (Rect (left, top, width, height))


' yolov5 ?
data ＝ 指针_到地址_ASM (data, dimensions, 4)
变量循环尾 ()
NMSBoxes (boxes, confidences, modelScoreThreshold, modelNMSThreshold, nms_result)
调试输出 (“完成推理图像 【 ” ＋ 到文本 (N) ＋ “ 】 - ” ＋ 到文本 (nms_result.size ()))
变量循环首 (0, nms_result.size () － 1, 1, i)
idx ＝ nms_result.at (i)
class_id ＝ class_ids.at (idx)
调试输出 (“idx: ” ＋ 到文本 (idx) ＋ “ class_id : ” ＋ 到文本 (class_id))
' 绘制物体矩形框
color ＝ Scalar (取随机数 (0, 255), 取随机数 (0, 255), 取随机数 (0, 255), 255)
box ＝ boxes.at (idx)
rectangle2 (result, box, color, 2)
' 计算字体尺寸
classString ＝ classes.at (class_id) ＋ “ ” ＋ 取文本左边 (到文本 (confidences.at (idx)), 4)
textSize ＝ getTextSize (classString, #FONT_HERSHEY_DUPLEX, 1, 0)
' 填充字体背景与显示类别文字
rectangle2 (result, Rect (box.x, box.y － 40, textSize.width ＋ 10, textSize.height ＋ 20), color, #FILLED )
putText (result, classString, Point (box.x ＋ 5, box.y － 10), #FONT_HERSHEY_DUPLEX, 1, Scalar (, , , 100), 2, 0)
变量循环尾 ()
resize (result, frame, Size (result.Cols () × 0.8, result.Rows () × 0.8), , )
imshow (“推理结果”, frame)
waitKey ()
destroyWindow (“推理结果”)
boxes.New ()
confidences.New ()
nms_result.New ()
outputs.New ()
计次循环尾 ()
destroyAllWindows ()
调试输出 (“================================= ok ====================================”)

i支持库列表	支持库注释
spec	特殊功能支持库

.版本 2<br /> .支持库 spec<br /> <br /> .子程序 测试_ONNX<br /> .参数 模型路劲, 文本型<br /> .参数 图片路径, 文本型, 数组<br /> .参数 类Txt文件, 文本型, 可空<br /> .参数 模型输入形状, Size, 可空<br /> .局部变量 N, 整数型<br /> .局部变量 net, Net<br /> .局部变量 modelInput, Mat<br /> .局部变量 class, 文本型, , "0"<br /> .局部变量 classes, VectorString<br /> .局部变量 col, 整数型<br /> .局部变量 row, 整数型<br /> .局部变量 max, 整数型<br /> .局部变量 result, Mat<br /> .局部变量 blob, Mat<br /> .局部变量 outputs, VectorMat<br /> .局部变量 classnames, VectorString<br /> .局部变量 rows, 整数型<br /> .局部变量 dimensions, 整数型<br /> .局部变量 size, 整数型, , "0"<br /> .局部变量 i, 整数型<br /> .局部变量 yolov8, 逻辑型<br /> .局部变量 data, 整数型<br /> .局部变量 classes_scores, 整数型<br /> .局部变量 x_factor, 小数型<br /> .局部变量 y_factor, 小数型<br /> .局部变量 scores, Mat<br /> .局部变量 dims, 整数型<br /> .局部变量 minLoc, Point<br /> .局部变量 maxLoc, Point<br /> .局部变量 maxClassScore, 双精度小数型<br /> .局部变量 x, 小数型<br /> .局部变量 y, 小数型<br /> .局部变量 w, 小数型<br /> .局部变量 h, 小数型<br /> .局部变量 left, 整数型<br /> .局部变量 top, 整数型<br /> .局部变量 width, 整数型<br /> .局部变量 height, 整数型<br /> .局部变量 class_ids, Vectorint<br /> .局部变量 confidences, Vectorfloat<br /> .局部变量 boxes, VectorRect<br /> .局部变量 nms_result, Vectorint<br /> .局部变量 modelConfidenceThreshold, 小数型, , , 置信度阈值<br /> .局部变量 modelScoreThreshold, 小数型, , , 分数阈值<br /> .局部变量 modelNMSThreshold, 小数型, , , NMS阈值<br /> .局部变量 idx, 整数型<br /> .局部变量 class_id, 整数型<br /> .局部变量 color, Scalar<br /> .局部变量 box, Rect<br /> .局部变量 classString, 文本型<br /> .局部变量 textSize, Size<br /> .局部变量 frame, Mat<br /> <br /> net ＝ readNetFromONNX (模型路劲)<br /> .如果真 (net.empty ())<br />     调试输出 (“加载模型失败！”)<br />     返回 ()<br /> .如果真结束<br /> .如果真 (是否为空 (类Txt文件))<br />     class ＝ { “person”, “bicycle”, “car”, “motorcycle”, “airplane”, “bus”, “train”, “truck”, “boat”, “traffic light”, “fire hydrant”, “stop sign”, “parking meter”, “bench”, “bird”, “cat”, “dog”, “horse”, “sheep”, “cow”, “elephant”, “bear”, “zebra”, “giraffe”, “backpack”, “umbrella”, “handbag”, “tie”, “suitcase”, “frisbee”, “skis”, “snowboard”, “sports ball”, “kite”, “baseball bat”, “baseball glove”, “skateboard”, “surfboard”, “tennis racket”, “bottle”, “wine glass”, “cup”, “fork”, “knife”, “spoon”, “bowl”, “banana”, “apple”, “sandwich”, “orange”, “broccoli”, “carrot”, “hot dog”, “pizza”, “donut”, “cake”, “chair”, “couch”, “potted plant”, “bed”, “dining table”, “toilet”, “tv”, “laptop”, “mouse”, “remote”, “keyboard”, “cell phone”, “microwave”, “oven”, “toaster”, “sink”, “refrigerator”, “book”, “clock”, “vase”, “scissors”, “teddy bear”, “hair drier”, “toothbrush” }<br />     .计次循环首 (取数组成员数 (class), i)<br />         classes.push_back (class <i>)<br />     .计次循环尾 ()<br /> <br /> .如果真结束<br /> .如果真 (是否为空 (模型输入形状))<br />     模型输入形状.width ＝ 640<br />     模型输入形状.height ＝ 640<br /> .如果真结束<br /> net.setPreferableBackend (#DNN_BACKEND_OPENCV)<br /> net.setPreferableTarget (#DNN_TARGET_CPU)<br /> net.enableFusion (假)  ' 禁用层融合<br /> <br /> modelConfidenceThreshold ＝ 0.25<br /> modelScoreThreshold ＝ 0.45<br /> modelNMSThreshold ＝ 0.5<br /> <br /> <br /> .计次循环首 (取数组成员数 (图片路径), N)<br />     modelInput.指针 (imread (图片路径 [N]))<br />     .如果真 (modelInput.Empty ())<br />         调试输出 (“读取图片失败！”, 图片路径 [N])<br />         到循环尾 ()<br />     .如果真结束<br />     .如果真 (模型输入形状.width ＝ 模型输入形状.height)<br />         col ＝ modelInput.Cols ()<br />         row ＝ modelInput.Rows ()<br />         max ＝ 到整数 (最大值 (col, row))<br />         result.zeros (max, max, #CV_8UC3)<br />         调试输出 (“col: ” ＋ 到文本 (result.Cols ()) ＋ “ row: ” ＋ 到文本 (result.Rows ()) ＋ “ channels: ” ＋ 到文本 (result.channels ()))<br />         modelInput.copyTrect (result, Rect (0, 0, col, row))<br />         调试输出 (“col: ” ＋ 到文本 (result.Cols ()) ＋ “ row: ” ＋ 到文本 (result.Rows ()) ＋ “ channels: ” ＋ 到文本 (result.channels ()))<br /> <br />         modelInput ＝ result<br />     .如果真结束<br /> <br />     blobFromImage2 (modelInput, blob, 1 ÷ 255, 模型输入形状, , 真, 假)<br />     net.setInput (blob)<br /> <br />     classnames ＝ net.getUnconnectedOutLayersNames ()<br />     .计次循环首 (classnames.size (), i)<br />         调试输出 (“classnames: ”, classnames.at (i － 1))<br />     .计次循环尾 ()<br />     net.forward3 (outputs, classnames)<br />     .如果真 (outputs.size () ≤ 0 或 outputs.empty ())<br />         到循环尾 ()<br />     .如果真结束<br /> <br />     outputs.at (0).size (size)<br />     rows ＝ size [2]<br />     dimensions ＝ size [3]<br />     调试输出 (“outputs: ”, size [1], rows, dimensions)<br />     .如果真 (dimensions ＞ rows)  ' 检查 shape[2] 是否大于 shape[1]（yolov8）(yolo11)<br />         yolov8 ＝ 真<br />         rows ＝ size [3]<br />         dimensions ＝ size [2]<br />         ' outputs.at (0, outputs.at (0).reshape (1, dimensions))<br />         outputs.IndexReshape (0, 1, dimensions)<br />         transpose (outputs.at (0), outputs.at (0))<br /> <br />     .如果真结束<br />     data ＝ outputs.at (0).dataToF ()<br />     x_factor ＝ modelInput.Cols () ÷ 模型输入形状.width<br />     y_factor ＝ modelInput.Rows () ÷ 模型输入形状.height<br /> <br />     outputs.at (0).size (size)<br />     ' 调试输出 (“data : ”, size [1], size [2], 取数组成员数 (size), x_factor, y_factor)<br /> <br />     .变量循环首 (0, rows － 1, 1, i)<br />         .判断开始 (yolov8)<br />             classes_scores ＝ 指针_到地址_ASM (data, 4, 4)<br />             ' 调试输出 (“Mat Data: [ ” ＋ 到文本 (i) ＋ “ ] ” ＋ 到文本 (data) ＋ “ - ” ＋ 到文本 (classes_scores))<br />             scores.NewTData (1, classes.size (), #CV_32FC1, classes_scores)<br />             minMaxLoc (scores, , maxClassScore, minLoc, maxLoc)<br /> <br />             .如果真 (maxClassScore ＞ modelScoreThreshold)<br />                 confidences.push_back (maxClassScore)<br />                 class_ids.push_back (maxLoc.x)<br /> <br />                 x ＝ array_float (data, 0)<br />                 y ＝ array_float (data, 1)<br />                 w ＝ array_float (data, 2)<br />                 h ＝ array_float (data, 3)<br /> <br />                 left ＝ 取整 ((x － 0.5 × w) × x_factor)<br />                 top ＝ 取整 ((y － 0.5 × h) × y_factor)<br />                 width ＝ 取整 (w × x_factor)<br />                 height ＝ 取整 (h × y_factor)<br />                 调试输出 (“[ ” ＋ 到文本 (i) ＋ “ ] ” ＋ 到文本 (x) ＋ “ - ” ＋ 到文本 (y) ＋ “ - ” ＋ 到文本 (w) ＋ “ - ” ＋ 到文本 (h) ＋ “ left：” ＋ 到文本 (left) ＋ “ top：” ＋ 到文本 (top) ＋ “ width：” ＋ 到文本 (width) ＋ “ height：” ＋ 到文本 (height))<br />                 boxes.push_back (Rect (left, top, width, height))<br />             .如果真结束<br /> <br /> <br />         .默认<br />             ' yolov5 ?<br /> <br />         .判断结束<br />         data ＝ 指针_到地址_ASM (data, dimensions, 4)<br />     .变量循环尾 ()<br /> <br />     NMSBoxes (boxes, confidences, modelScoreThreshold, modelNMSThreshold, nms_result)<br /> <br />     调试输出 (“完成推理图像 【 ” ＋ 到文本 (N) ＋ “ 】 - ” ＋ 到文本 (nms_result.size ()))<br />     .变量循环首 (0, nms_result.size () － 1, 1, i)<br />         idx ＝ nms_result.at (i)<br />         class_id ＝ class_ids.at (idx)<br />         调试输出 (“idx: ” ＋ 到文本 (idx) ＋ “ class_id : ” ＋ 到文本 (class_id))<br />         ' 绘制物体矩形框<br />         color ＝ Scalar (取随机数 (0, 255), 取随机数 (0, 255), 取随机数 (0, 255), 255)<br />         box ＝ boxes.at (idx)<br />         rectangle2 (result, box, color, 2)<br />         ' 计算字体尺寸<br />         classString ＝ classes.at (class_id) ＋ “ ” ＋ 取文本左边 (到文本 (confidences.at (idx)), 4)<br />         textSize ＝ getTextSize (classString, #FONT_HERSHEY_DUPLEX, 1, 0)<br />         ' 填充字体背景与显示类别文字<br />         rectangle2 (result, Rect (box.x, box.y － 40, textSize.width ＋ 10, textSize.height ＋ 20), color, #FILLED)<br />         putText (result, classString, Point (box.x ＋ 5, box.y － 10), #FONT_HERSHEY_DUPLEX, 1, Scalar (, , , 100), 2, 0)<br /> <br />     .变量循环尾 ()<br />     resize (result, frame, Size (result.Cols () × 0.8, result.Rows () × 0.8), , )<br />     imshow (“推理结果”, frame)<br />     waitKey ()<br />     destroyWindow (“推理结果”)<br /> <br />     boxes.New ()<br />     confidences.New ()<br />     nms_result.New ()<br />     outputs.New ()<br /> <br /> .计次循环尾 ()<br /> destroyAllWindows ()<br /> 调试输出 (“================================= ok ====================================”)

补充内容 (2025-3-4 08:25):
第一张检测完，检测第二张报错位置： result.zeros (max, max, #CV_8UC3)

补充内容 (2025-3-4 09:01):
自己找到问题了，是自己代码逻辑没写好，.版本 2

        result.copyTo (modelInput)
        ' modelInput ＝ result
修改一下这句两问题都就解决了

wan942182718

补充错误位置代码：

  

子程序名	返回值类型	公开	备 注
zeros	整数型
参数名	类 型	参考	可空	数组	备 注
rows	整数型				int
cols	整数型				int
type	整数型				int

Close (真)
m_isPtr ＝ 假
m_Mat ＝ Mat_zeros (rows, cols, type)
OutputArray.提交数据 (m_Mat, #指针类型_Mat )
返回 (m_Mat)

.版本 2<br /> <br /> .子程序 zeros, 整数型, 公开<br /> .参数 rows, 整数型, , int<br /> .参数 cols, 整数型, , int<br /> .参数 type, 整数型, , int<br /> <br /> Close (真)<br /> m_isPtr ＝ 假<br /> m_Mat ＝ Mat_zeros (rows, cols, type)<br /> OutputArray.提交数据 (m_Mat, #指针类型_Mat)<br /> 返回 (m_Mat)

DLL定义代码：

Mat _stdcall Mat_zeros(int rows, int cols, int type) {
        return new cv::Mat(cv::Mat::zeros(rows, cols, type));
}

wan942182718

@管理员   自己找到问题了，请求删贴