(简单调用篇 02) 图像主体检测 - C++ 简单调用

图像主体检测能检测出图片主体的坐标位置，可使用该接口裁剪出图像主体区域，配合图像识别接口提升识别精度。广泛适用于美图类 app、辅助智能识图等业务场景中。

应用场景

• 智能美图：根据用户上传照片进行主体检测，实现图像裁剪或背景虚化等功能，可应用于含美图功能 app 等业务场景中
• 图像识别辅助：可使用图像主体检测裁剪出图像主体区域，配合图像识别接口提升识别精度

接口描述

用户向服务请求检测图像中的主体位置。

请求说明

• HTTP 方法： POST
• 请求 URL： https://aip.baidubce.com/rest/2.0/image-classify/v1/object_detect
• URL参数： access_token
• Header 参数： Content-Type = application/x-www-form-urlencoded
• Body 参数：见下表

返回说明

返回参数如下表：

返回示例如下：

{
  "log_id": 895582300,
  "result": {
    "width": 486,
    "top": 76,
    "left": 134,
    "height": 394
  }
}

C++ 代码实现调用

这里假设已经将环境配置好了，环境配置的文章可以参考 Windows 下使用 Vcpkg 配置百度 AI 图像识别 C++开发环境(VS2017)。

为了方便，首先根据返回参数定义了一个结构体，该结构体包括了返回参数中的参数，如下：

struct ObjDetInfo {
    uint32_t left;
    uint32_t top;
    uint32_t width;
    uint32_t height;

    void print() {
        std::cout << std::setw(20) << std::setfill('-') << '\n';
        std::cout << "left: " << left << "\n";
        std::cout << "top: " << top << "\n";
        std::cout << "width: " << width << "\n";
        std::cout << "height: " << height << "\n";
    }

    void draw(cv::Mat &img) {
        cv::Rect rect(left, top, width, height);
        cv::rectangle(img, rect, cv::Scalar(255, 0, 255), 3);
    }
};

在 ObjInfo 结构体中，定义了一个 print 方法以打印获取的结果，draw 方法以在图像上画出边框。

然后定义了一个类来调用接口并获取结果

class ObjectDetection
{
public:
    ObjectDetection();
    ~ObjectDetection();

    Json::Value request(std::string imgBase64, std::map<std::string, std::string>& options);

    // only get first result
    void getResult(ObjDetInfo& result);

private:
    Json::Value obj_;
    std::string url_;
    // file to save token key
    std::string filename_;
};

类中的私有成员 obj_ 表示返回结果对应的 json 对象。url_ 表示请求的 url，filename_ 表示用于存储 access token 的文件的文件名。

request 函数输入请求图像的 base64 编码以及请求参数，返回一个 json 对象，json 对象中包含请求的结果。

getResult 获取请求的结果。

util.h 和 util.cpp 代码参见 (简单调用篇 01) 通用物体和场景识别高级版 - C++ 简单调用

ObjectDetection.h 代码如下：

#pragma once
#include <string>
#include <iostream>
#include <opencv2/opencv.hpp>
#include "util.h"

struct ObjDetInfo {
    uint32_t left;
    uint32_t top;
    uint32_t width;
    uint32_t height;

    void print() {
        std::cout << std::setw(20) << std::setfill('-') << '\n';
        std::cout << "left: " << left << "\n";
        std::cout << "top: " << top << "\n";
        std::cout << "width: " << width << "\n";
        std::cout << "height: " << height << "\n";
    }

    void draw(cv::Mat &img) {
        cv::Rect rect(left, top, width, height);
        cv::rectangle(img, rect, cv::Scalar(255, 0, 255), 3);
    }
};

class ObjectDetection
{
public:
    ObjectDetection();
    ~ObjectDetection();

    Json::Value request(std::string imgBase64, std::map<std::string, std::string>& options);

    // only get first result
    void getResult(ObjDetInfo& result);

private:
    Json::Value obj_;
    std::string url_;
    // file to save token key
    std::string filename_;
};

void objectDetectionTest();

ObjectDetection.cpp 代码如下：

#include "ObjectDetection.h"

ObjectDetection::ObjectDetection()
{
    filename_ = "tokenKey";
    url_ = "https://aip.baidubce.com/rest/2.0/image-classify/v1/object_detect";
}

ObjectDetection::~ObjectDetection()
{
}

Json::Value ObjectDetection::request(std::string imgBase64, std::map<std::string, std::string>& options)
{
    std::string response;
    Json::Value obj;
    std::string token;

    // 1. get HTTP post body
    std::string body;
    mergeHttpPostBody(body, imgBase64, options);

    // 2. get HTTP url with access token
    std::string url = url_;
    getHttpPostUrl(url, filename_, token);

    // 3. post request, response store the result
    int status_code = httpPostRequest(url, body, response);
    if (status_code != CURLcode::CURLE_OK) {
        obj["curl_error_code"] = status_code;
        obj_ = obj;
        return obj; // TODO: maybe should exit
    }

    // 4. make string to json object
    generateJson(response, obj);

    // if access token is invalid or expired, we will get a new one
    if (obj["error_code"].asInt() == 110 || obj["error_code"].asInt() == 111) {
        token = getTokenKey();
        writeFile(filename_, token);
        return request(imgBase64, options);
    }

    obj_ = obj;

    checkErrorWithExit(obj);

    return obj;
}

void ObjectDetection::getResult(ObjDetInfo & result)
{
    result.left = obj_["result"].get("left", "0").asInt();
    result.top = obj_["result"].get("top", "0").asInt();
    result.width = obj_["result"].get("width", "0").asInt();
    result.height = obj_["result"].get("height", "0").asInt();
}

void objectDetectionTest()
{
    std::cout << "size: " << sizeof(ObjDetInfo) << "\n";

    // read image and encode to base64
    std::string img_file = "./images/cat.jpg";
    std::string out;
    readImageFile(img_file.c_str(), out);
    std::string img_base64 = base64_encode(out.c_str(), (int)out.size());

    // set options
    std::map<std::string, std::string> options;
    options["with_face"] = "0";

    Json::Value obj;
    ObjectDetection objDetObj;
    obj = objDetObj.request(img_base64, options);
    //std::cout << (obj.get("result", "null")) << std::endl;
    ObjDetInfo result;
    objDetObj.getResult(result);
    result.print();

    cv::Mat img = cv::imread(img_file);
    result.draw(img);
    cv::namedWindow("Object Detection", cv::WINDOW_NORMAL);
    cv::imshow("Object Detection", img);
    cv::waitKey();
}

main.cpp 代码如下：

#include "util.h"
#include "ObjectDetection.h"
#include <stdlib.h>

int main() {
    objectDetectionTest();

    system("pause");
    return EXIT_SUCCESS;
}

运行结果

原文地址：https://www.cnblogs.com/busyboxs/p/12245433.html