初始化

编译运行

运行样例前，需设置mxVison环境变量。

source {mxVison安装目录}/mxVision/set_env.sh

编译

1. 文件准备，用户准备好自己的源码文件“main.cpp”，以及“CMakeLists.txt”文件，“CMakeLists.txt”编写可参考如下内容：

   # CMake lowest version requirement
   cmake_minimum_required(VERSION 3.5.2)
   # project information
   project(MindX_SDK_Sample)
   set(MX_SDK_HOME $ENV{MX_SDK_HOME})
   if (NOT DEFINED ENV{MX_SDK_HOME})
   string(REGEX REPLACE "(.*)/(.*)/(.*)/(.*)" "\\1" MX_SDK_HOME  ${CMAKE_CURRENT_SOURCE_DIR})
   message(STATUS "set default MX_SDK_HOME: ${MX_SDK_HOME}")
   else ()
   message(STATUS "env MX_SDK_HOME: ${MX_SDK_HOME}")
   endif()
   # Compile options
   add_definitions(-D_GLIBCXX_USE_CXX11_ABI=0)
   add_definitions(-Dgoogle=mindxsdk_private)
   add_compile_options(-std=c++11 -fPIC -fstack-protector-all -Wall)
   set(CMAKE_RUNTIME_OUTPUT_DIRECTORY ${CMAKE_CURRENT_SOURCE_DIR})
   set(CMAKE_CXX_FLAGS_DEBUG "-g")
   set(CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} -Wl,-z,relro,-z,now,-z,noexecstack -s -pie")
   set(CMAKE_SKIP_RPATH TRUE)
   
   # add mxbase header path
   include_directories(
   ${MX_SDK_HOME}/include/
   ${MX_SDK_HOME}/opensource/include/
   )
   
   # add mxbase lib path
   link_directories(
   ${MX_SDK_HOME}/lib/
   ${MX_SDK_HOME}/lib/modelpostprocessors/
   ${MX_SDK_HOME}/opensource/lib/
   ${MX_SDK_HOME}/opensource/lib64/
   )
   add_executable(main main.cpp)
   target_link_libraries(main glog mxbase opencv_world cpprest pthread mindxsdk_protobuf)
   install(TARGETS main DESTINATION ${CMAKE_RUNTIME_OUTPUT_DIRECTORY})

2. CMake编译。

   1. 在“CMakeLists.txt”文件所在目录新建“build”目录。

      mkdir build

   2. 进入“build”目录。

      cd build

   3. 执行cmake命令。

      cmake ..

   4. 执行make命令生成可执行文件“main”。

      make -j

运行

执行编译生成的可执行文件即可运行程序。

./main

:::note 说明

• 若程序执行出现libascendcl.so报错，请参见程序执行出现libascendcl.so报错解决。
• 若尝试打印Device侧的Tensor、Image内存数据时出现coredump提示，请参见尝试打印Device侧的Tensor、Image内存数据时，发生coredump解决。 :::

父主题： 使用API接口方式开发（C++）

开发流程

流程介绍

图1 API开发流程

关键步骤说明

1. 使用mxVision接口进行应用开发，需首先进行初始化才能进行后续处理，具体请参见初始化。
2. 媒体数据处理/模型推理。
   1. 媒体数据处理功能，可实现图像编解码、抠图、缩放、补边等操作，具体请参见媒体数据处理。
   2. 模型推理，可实现如目标识别，图像分类等应用，环节可参考以下几个步骤，具体请参见模型推理。
      1. 模型推理前，需准备合适的om模型。
      2. 模型加载，将准备好的模型通过文件或内存方式加载到系统中，具体请参见模型推理。
      3. （可选）媒体数据处理，模型推理前，可对输入的媒体数据进行处理，如图片解码、抠图、缩放、补边等操作。
      4. 模型执行，使用模型实现图片分类、目标识别等功能。
      5. （可选）模型后处理，对模型推理输出的数据进行后处理操作，此处根据用户的实际需求来处理推理结果，如整理为可理解阅读的具体结果。模型后处理支持通过两种方式进行：
         • （推荐）自行选择模型后处理方式。
         • 通过调用mxVision接口进行，具体操作请参见模型后处理。

父主题： 使用API接口方式开发（Python）

初始化

功能介绍

mxVision应用开发初始化接口，在代码调用相关接口之前，需调用全局初始化函数mx_init()申请设备资源和日志资源。

示例代码

以下为初始化方法的代码示例，不可以直接拷贝运行，仅供参考。

全局初始化，加载设备资源和日志资源。

from mindx.sdk import base
base.mx_init()
## 执行全局初始化后即可正常调用mxVision接口

父主题： 使用API接口方式开发（Python）

图片解码

功能介绍

通过对输入图片数据进行解码处理，将本地图片转换为Image类，用于后续前处理和推理业务，类型目前支持JPEG和PNG格式。

接口调用流程

用户需准备好本地待解码的图片文件，初始化ImageProcessor类，通过调用ImageProcessor类的decode接口解码返回输出的Image对象。

图片解码调用流程参考如下：

图1 图片解码接口调用流程

关键步骤说明如下：

1. 调用mx_init()接口进行全局初始化。

2. ImageProcessor初始化。

   用户构造ImageProcessor对象，构造时需用户指定设备ID。

3. 调用decode接口对图片进行解码。

   用户需根据解码的不同需要，传入对应格式参数到decode接口。

示例代码

以下为功能特性关键步骤的代码示例，不可以直接拷贝运行，仅供参考。

from mindx.sdk import base  
from mindx.sdk.base import ImageProcessor, Image
## 图像解码
## 初始化ImageProcessor对象
imageProcessor = ImageProcessor(device_id)
image_path = "test_image.jpg"
## 读取图片路径进行解码，解码格式为nv12（YUV_SP_420）
decoded_image = imageProcessor.decode(image_path, base.nv12)

父主题： 媒体数据处理

图片编码

功能介绍

将接口输出的Image对象编码为JPG格式的图片保存到指定的图片路径。

接口调用流程

用户需提前准备好待编码的Image对象，可以通过图片解码以及图像处理接口（抠图、缩放、补边等操作对应接口）输出，输出到本地图片。

图片编码调用流程参考如下：

图1 图片编码接口调用流程

关键步骤说明如下：

1. 调用mx_init()接口进行全局初始化。

2. ImageProcessor初始化。

   用户构造ImageProcessor对象，构造时需用户指定设备ID。

3. 使用图片解码接口对输入图片进行解码。

   根据业务对图片进行解码，生成可编码的Image对象。后续可以通过图像处理接口对图片进行处理，生成最终需要编码的Image对象。

4. 调用encode接口对输入图片进行编码。

   用户需根据实际业务情况输出图片数据，指定待输出的Image和输出路径。

示例代码

以下为功能特性关键步骤的代码示例，不可以直接拷贝运行，仅供参考。

from mindx.sdk import base  
from mindx.sdk.base import ImageProcessor, Rect, Image
## 图像解码  
## 初始化ImageProcessor对象  
imageProcessor = ImageProcessor(device_id)  
image_path = "image_data/test_image.jpg"  
## 读取图片路径进行解码，解码格式为nv12（YUV_SP_420）  
decoded_image = imageProcessor.decode(image_path, base.nv12)  
   
## 图像处理操作（抠图）  
crop_para = [Rect(300, 100, 550, 350)]  
croped_images = imageProcessor.crop(decoded_image, crop_para)  
   
image_save_path = "croped_image.jpg"  
imageProcessor.encode(croped_images[0], image_save_path) 

父主题： 媒体数据处理

抠图

功能介绍

对输入的图像进行抠图操作，输出到Image对象中。

接口调用流程

使用抠图接口前，用户需准备好被抠图的图片对象。

图1 图像处理（抠图）接口调用流程

关键步骤说明如下：

1. 调用mx_init()接口进行全局初始化。

2. ImageProcessor初始化。

   用户构造ImageProcessor对象，构造时需用户指定设备ID。

3. 使用图片解码接口对输入图片进行解码。

   根据业务对图片进行解码，生成可抠图的Image对象。后续可以通过图像处理接口对图片进行处理，生成最终需要抠图的Image对象。

4. 构造抠图Rect以及输出Image。

   根据业务要求，选择一对多、一对一或多对多的抠图方式，构造对应的输入和输出Rect和Image。

5. 将输入图片及其他参数传入crop接口，获取抠图结果。

示例代码

以下为功能特性关键步骤的代码示例，不可以直接拷贝运行，仅供参考。

from mindx.sdk import base  
from mindx.sdk.base import ImageProcessor, Rect, Image
## 图像解码  
## 初始化ImageProcessor对象  
imageProcessor = ImageProcessor(device_id)  
image_path = "image_data/test_image.jpg"  
## 读取图片路径进行解码，解码格式为nv12（YUV_SP_420）  
decoded_image = imageProcessor.decode(image_path, base.nv12)  
    
## 图像处理操作（抠图）  
crop_para = [Rect(300, 100, 550, 350)]  
croped_images = imageProcessor.crop(decoded_image, crop_para)  

父主题： 媒体数据处理

在线提单