MNN.CVImageProcess [deprecated]
class CVImageProcess
CVImageProcess用于图像处理,该图像处理类提供了一下图像处理能力:
图像格式转换,类似于
cv2.cvtColor
,通过设置sourceFormat
和destFormat
来实现图像数据类型转换,将
uint8
类型的图像转换为float32
类型的数据图像的仿射变换,类似于
cv2.resize
和cv2.warpAffine
,通过设置CVMatrix 来实现对图像进行归一化,通过设置
mean
和normal
来实现;x = (x - mean) / normal
不建议使用该接口,请使用cv代替
MNN.CV_ImageFormat_*
描述图像格式的数据类型,支持RBG,RGBA,BGR,BGRA,GRAY,YUV_NV21类型
类型:
int
枚举值:
CV_ImageFormat_BGR
CV_ImageFormat_BGRA
CV_ImageFormat_RGB
CV_ImageFormat_RGBA
CV_ImageFormat_GRAY
CV_ImageFormat_YUV_NV21
MNN.CV_Filter_*
描述图片变换时的插值类型,支持最近邻,双线性,双三次插值
类型:
int
枚举值:
CV_Filter_NEAREST
CV_Filter_BILINEAL
CV_Filter_BICUBIC
MNN.CV_Wrap_*
描述图片变换时的填充方式,支持填0,重复,和最近值填充
类型:
int
枚举值:
CV_Wrap_ZERO
CV_Wrap_REPEAT
CV_Wrap_CLAMP_TO_EDGE
CVImageProcess(config)
根据config创建一个图像处理类
参数:
config:dict
一个字典,其中的key和value的含义如表格所示
key | value | 说明 |
---|---|---|
filterType |
MNN.CV_Filter_* |
用于进行图像缩放的滤波类型,默认为:CV_Filter_NEAREST |
sourceFormat |
MNN.CV_ImageFormat_* |
用于对转换数据的数据格式进行定义,默认为:CV_ImageFormat_BGRA |
destFormat |
MNN.CV_ImageFormat_* |
用于对转换数据的数据格式进行定义,默认为:CV_ImageFormat_BGRA |
wrap |
MNN.CV_Wrap_* |
用于对转换后的图像进行填充,默认为:CV_Wrap_ZERO |
mean |
tuple |
用于对输入图像进行减均值处理,默认为:(0, 0, 0, 0) |
normal |
tuple |
用于对输入图像进行归一化处理,默认为:(1, 1, 1, 1) |
返回:CVImageProcess对象
返回类型:CVImageProcess
setMatrix(matrix)
设置仿射变换矩阵
参数:
matrix:CVMatrix
图片仿射变换的变换矩阵, 参考CVMatrix
返回:None
返回类型:None
setPadding(value)
当填充类型为CV_Wrap_ZERP
时,设置填充值,如果不设置则填充0
参数:
value:int
填充值,默认填充0
返回:None
返回类型:None
convert(src, iw, ih, stride, dst)
执行图像处理流程,将src中的数据按照config和matrix的要求进行转换,并将结果存入dst中
参数:
src:int|PyCapsule|tuple|ndarray
输入的图像数据,可以是指针(int, PyCapsule),也可以是数据(Tuple, ndarray)iw:int
输入图像的宽度ih:int
输入图像的高度stride:int
输入图像的步长,指每行的字节数,输入0
则stride=iw * ichannel
; 注意在处理YUV图像的时候必须传入stridedst:Tensor
输出的图像Tensor
返回:None
返回类型:None
createImageTensor(dtype, width, height, channel, data)
创建一个存储图像的Tensor
该解口功能不完善,不建议使用
参数:
dtype:MNN.Halide_Type_*
Tensor的数据类型width:int
图像的宽度height:int
图像的高度channel:int
图像的通道数data:NoneType
未使用参数
返回:存储图像的Tensor对象
返回类型:Tensor
Example
更多用法请参考CVMatrix中的Example
import MNN
import MNN.cv as cv
image = cv.imread('cat.jpg')
image_data = image.ptr
src_height, src_width, channel = image.shape
dst_height = dst_width = 224
# 对读入图像执行一下变换:
# 1. 图像格式转换:RGB -> BGR
# 2. 图像大小缩放:h,w -> 224,224
# 3. 图像类型变换:uint8 -> float32
# 4. 归一化处理:[0,255] -> [0,1]
dst_tensor = MNN.Tensor((1, dst_height, dst_width, channel), MNN.Halide_Type_Float, MNN.Tensor_DimensionType_Tensorflow)
image_processer = MNN.CVImageProcess({'sourceFormat': MNN.CV_ImageFormat_BGR,
'destFormat': MNN.CV_ImageFormat_RGB,
'mean': (127.5, 127.5, 127.5, 0),
'filterType': MNN.CV_Filter_BILINEAL,
'normal': (0.00784, 0.00784,0.00784, 1)})
#设置图像变换矩阵
matrix = MNN.CVMatrix()
x_scale = src_width / dst_width
y_scale = src_height / dst_height
matrix.setScale(x_scale, y_scale)
image_processer.setMatrix(matrix)
image_processer.convert(image_data, src_width, src_height, 0, dst_tensor)