CVImageProcess

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

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stride
• dst: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)