c++ onnx之resnet分类

首先opencv和onnxruntime的配置就不说了，resnet分类网络就只有三个部分，一个是图片等比例放缩letterbox；而是图片归一化等处理成输入PreProcess；三是onnx推理

等比例放缩

只是单纯的reisze太粗暴了，而且之后写yolo的时候要用到等比例，索性先写了，
输入图像mat，放缩后的宽int ，放缩后的高int ；输出为等比例放缩后的图像mat
放缩后的图像居中，我是空白部分填充灰色(114,114,114),copyMakeBorder的参数自己改

Mat letterbox(Mat src, int tar_w, int tar_h)
{
   
	//以下为带边框图像生成
	int in_w = src.cols;
	int in_h = src.rows;
	//哪个缩放比例小选用哪个
	float r = min(float(tar_h) / in_h, float(tar_w) / in_w);
	int inside_w = round(in_w * r);
	int inside_h = round(in_h * r);
	int padd_w = tar_w - inside_w;
	int padd_h = tar_h - inside_h;
	//内层图像resize
	Mat resize_img;
	resize(src, resize_img, Size(inside_w, inside_h));
	//cvtColor(resize_img, resize_img, COLOR_BGR2RGB);

	padd_w = padd_w / 2;
	padd_h = padd_h / 2;
	//外层边框填充灰色
	int top = int(round(padd_h - 0.1));
	int bottom = int(round(padd_h + 0.1));
	int left = int(round(padd_w - 0.1));
	int right = int(round(padd_w + 0.1));
	copyMakeBorder(resize_img, resize_img, top, bottom, left, right, BORDER_CONSTANT, Scalar(114, 114, 114));
	//cout << resize_img.size() << endl;
	//imshow("pad", resize_img);
	//waitKey(10);
	return resize_img;
}

图像预处理

正常图像已经放缩成了3x224x224的uint8形式，这一步是把它处理成卷积的输入（转tensor前），通俗来说就是 bgr转rgb然后归一化。
这个其实可以一句话直接表示，也就是opencv的内置函数cv2.dnn.blobFromImage

Mat new_image= cv::dnn::blobFromImage(image, 1. / 255, Size(resize_w, resize_h), Scalar(0.485, 0.456, 0.406), true, false);

或者

// 这个版本的代码有问题，出来的结果不对，但是我还没弄明白为什么，建议还是直接copy官方的blobFromImage源码
Mat mytryPreProcess(Mat image, int tar_w, int tar_h)
{
   
	// 图像处理  标准化处理
	Mat input;
	resize(image, input, Size(tar_w, tar_h));

	//数据处理 标准化
	std::vector<Mat> channels, channel_p;
	split(input, channels);
	Mat R, G, B;
	B = channels.at(0);
	G = channels.at