如何将TensorFlow的ReadTensorFromImageFile替换为OpenCV实现获取输入张量

首先明确ReadTensorFromImageFile的默认处理逻辑，我们的OpenCV实现会严格对齐以下流程：

• 读取图像为RGB三通道格式
• 缩放到指定的input_height × input_width尺寸
• 对每个像素执行归一化计算：(像素值 - input_mean) / input_std
• 输出为NHWC格式（[batch=1, 高度, 宽度, 通道数=3]）的浮点型TensorFlow张量

完整实现代码 #

依赖头文件 #

#include <opencv2/opencv.hpp>
#include "tensorflow/core/public/session.h"
#include "tensorflow/core/framework/tensor.h"

核心替换逻辑 #

// 1. 用OpenCV读取图像
cv::Mat img = cv::imread(image_path);
if (img.empty()) {
    LOG(ERROR) << "读取图像失败: " << image_path;
    return -1;
}

// 2. 通道转换：OpenCV默认BGR格式，对齐TensorFlow读取的RGB格式
cv::cvtColor(img, img, cv::COLOR_BGR2RGB);

// 3. 缩放到指定尺寸，插值方式对齐TensorFlow默认的双线性插值
cv::resize(img, img, cv::Size(input_width, input_height), 0, 0, cv::INTER_LINEAR);

// 4. 像素值归一化，和原逻辑完全对齐
cv::Mat img_float;
img.convertTo(img_float, CV_32F);
img_float = (img_float - input_mean) / input_std;

// 5. 转换为TensorFlow的Tensor，形状为[1, input_height, input_width, 3]
tensorflow::Tensor resized_tensor(tensorflow::DT_FLOAT, tensorflow::TensorShape({1, input_height, input_width, 3}));
auto tensor_mapped = resized_tensor.tensor<float, 4>();
const float* data_ptr = reinterpret_cast<float*>(img_float.data);
for (int h = 0; h < input_height; ++h) {
    for (int w = 0; w < input_width; ++w) {
        for (int c = 0; c < 3; ++c) {
            tensor_mapped(0, h, w, c) = data_ptr[(h * input_width + w) * 3 + c];
        }
    }
}

// 输出验证，和原代码输出完全一致
std::cout << "resized_tensor_height:\t" << resized_tensor.shape().dim_sizes()[1]
          << "\nresized_tensor_width:\t" << resized_tensor.shape().dim_sizes()[2] << std::endl;

注意事项 #

• 如果你的ReadTensorFromImageFile使用了非默认插值方式，修改cv::resize的最后一个参数即可，比如最近邻插值对应cv::INTER_NEAREST
• 如果处理的是单通道灰度图，修改通道转换逻辑为cv::COLOR_BGR2GRAY，同时将Tensor形状的通道数改为1即可
• 上述代码生成的resized_tensor可以直接传入你给出的Session Run接口，无需额外修改

内容的提问来源于stack exchange，提问作者W3 heap