Question

我正在使用tensorRT开发嵌入式深度学习推理C ++项目。对于我的模型，有必要减去平均图像。

我正在使用的api允许我为rgb图像定义具有以下数据结构的平均图像：

uint8_t *data[DW_MAX_IMAGE_PLANES];       // raw image data 
size_t pitch;                             // pitch of the image in bytes
uint32_t height;                          // height of the image in px
uint32_t width;                           // image width in px
uint32_t planeCount;                      // plane count of the image

到目前为止，我找到了lib LodePNG，我认为这对于这项任务非常有用。它只需几行即可加载png：

// Load file and decode image.
std::vector<unsigned char> image;
unsigned width, height;
unsigned error = lodepng::decode(image, width, height, filename);

现在的问题是如何将std::vector<unsigned char>转换为uint8_t *[DW_MAX_IMAGE_PLANES]并计算音高和planeCount值？

当我使用rgb图像时，DW_MAX_IMAGE_PLANES等于3。

Answer 1

pitch和planeCount的值很简单。由于LodePNG的decode默认为bitdepth = 8，因此pitch的值（以字节为单位）为1。由于图像是RGB，planeCount的值为3 - 每种颜色都有一个平面。

由于您没有使用Alpha通道，您可能应该让LodePNG直接解码为RGB格式：

unsigned error = lodepng::decode(image, width, height, filename, LCT_RGB);

但是一旦将图像解码为std::vector<unsigned char>，您将无法直接使用它。来自LodePNG的解码数据采用以下格式：

image -> R0, G0, B0, R1, G1, B1, R2, G2, B2, ...

但您需要采用以下格式：

data[0] -> R0, R1, R2, ...
data[1] -> G0, G1, G2, ...
data[2] -> B0, B1, B2, ...

如果您受内存限制，则必须重新排列图像向量(R0, R1, ... Rn, G0, G1, ... Gn, B0, B1, ... Bn)中的值，并计算适当的指针以初始化data数组。

如果您有可用内存，则可以为三个颜色通道中的每一个创建单独的矢量。然后从解码的image复制数据，并使用指向向量的第一个元素的指针初始化data数组。

加载嵌入式系统的png图像

1 个答案: