C++测试程序-例程

本页使用 OpenIVS 的 dlcv_infer_cpp_qt_demo 演示 C++ 模型加载、图片预处理、推理和结果读取。接口定义见高性能SDK套件 - C++接口。

代码地址

OpenIVS：https://github.com/dl-cv/OpenIVS
C++ Qt 例程：https://github.com/dl-cv/OpenIVS/tree/master/dlcv_infer_cpp_qt_demo
主窗口代码：MainWindow.cpp
程序入口：main.cpp
Visual Studio 工程：dlcv_infer_cpp_qt_demo.vcxproj

例程通过 dlcv_infer.h 调用 C++ API，链接 dlcv_infer_cpp.lib，运行时使用 dlcv_infer_cpp.dll。

环境准备

开始前准备以下环境：

Windows x64
Visual Studio 2022，安装“使用 C++ 的桌面开发”
Qt 6
OpenCV 4.x
已安装并可正常授权的高性能 SDK 套件

核心 SDK 通过 AI 平台安装，C++ 接口和 Qt 例程从 OpenIVS 构建，运行时 DLL 放在例程同目录。

获取代码

git clone https://github.com/dl-cv/OpenIVS.git

打开 OpenIVS.sln，选择 x64 配置，将 dlcv_infer_cpp_qt_demo 设为启动项目。Qt、OpenCV 和 SDK 头文件目录应按本机安装位置配置。

配置	路径
C++ 包装头文件	`<OpenIVS>/dlcv_infer_cpp`
底层 SDK 头文件	`<Python环境>/Lib/site-packages/dlcvpro_infer/include`
C++ DLL 与导入库	`<OpenIVS>/<配置>/`
Qt 例程输出	`<OpenIVS>/<配置>/dlcv_infer_cpp_qt_demo/`

balloon 推理流程

可使用 balloon 语义分割模型和对应图片完成入门操作。示例文件名：

模型：气球-语义分割_120_50_s.dvt
图片：气球.jpg

实际文件名可不同，但模型与图片内容应匹配。为减少 Windows 窄字符串路径的编码影响，可将演示文件复制到仅含英文和数字的目录，并在自写代码中优先使用 std::wstring 模型路径。

使用 Qt 例程

启动 dlcv_infer_cpp_qt_demo。
选择设备。GPU 编号从 0 开始；-1 表示 CPU，是否支持由模型格式决定。
单击“加载模型”，选择 balloon 模型。
将批量大小设为 1、阈值设为 0.5，均值计算保持关闭。
单击“打开图片推理”，选择 balloon 图片。
文本区显示推理耗时、目标数量、类别、分数和检测框等结构化信息；图像区按照结果字段绘制检测框与 mask。
需要查看 JSON 时，单击“推理JSON”。
更换模型前先单击“释放模型”，程序退出时还会调用 Utils::FreeAllModels()。

下面是 Qt 例程加载气球模型后的完整窗口。左侧显示推理信息，右侧显示气球的检测框和分割结果。

C++测试程序气球语义分割结果

命令行气球示例

dlcv_infer_cpp_qt_demo 提供不启动窗口的 infer 模式。以下命令使用气球语义分割模型、阈值 0.5 和 GPU 0，并把 JSON 写入系统临时目录：

dlcv_infer_cpp_qt_demo.exe infer ^
  --model "D:\dlcv_demo\气球-语义分割_120_50_s.dvt" ^
  --image "D:\dlcv_demo\气球.jpg" ^
  --threshold 0.5 ^
  --device 0 ^
  --with-mask true ^
  --calc-mean false ^
  --output "%TEMP%\dlcv_cpp_balloon.json"

该组示例文件的结果摘要如下：

{
  "consistent": true,
  "threshold_check_passed": true,
  "structured": {
    "count": 1,
    "categories": ["气球"],
    "scores": [1.0]
  },
  "json": {
    "count": 1,
    "categories": ["气球"],
    "scores": [1.0]
  }
}

consistent=true 表示结构化接口与 JSON 接口的类别、分数等摘要一致。更换模型文件、图片或运行硬件后，目标数量、分数和耗时可能变化。

保存可视化结果

render 模式使用与图形界面相同的结果绘制组件，并把检测框与 mask 保存为 PNG：

dlcv_infer_cpp_qt_demo.exe render ^
  --model "D:\dlcv_demo\气球-语义分割_120_50_s.dvt" ^
  --image "D:\dlcv_demo\气球.jpg" ^
  --threshold 0.5 ^
  --device 0 ^
  --with-mask true ^
  --output "%TEMP%\dlcv_cpp_balloon.png"

命令执行成功时返回退出码 0，输出图片保持输入图片尺寸，并绘制类别、分数、检测框和实例分割 mask。

最小 C++ 代码

以下代码与 Qt 例程使用相同的 dlcv_infer::Model、RGB 输入和结构化结果接口：

#include <iostream>
#include <stdexcept>
#include <vector>

#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>

#include "dlcv_infer.h"

int main()
{
    try {
        const std::wstring modelPath = LR"(D:\dlcv_demo\balloon.dvt)";
        const std::string imagePath = R"(D:\dlcv_demo\balloon.jpg)";

        dlcv_infer::Model model(modelPath, 0);

        cv::Mat decoded = cv::imread(imagePath, cv::IMREAD_UNCHANGED);
        if (decoded.empty()) {
            throw std::runtime_error("image decode failed");
        }

        cv::Mat inferImage;
        if (decoded.channels() == 3) {
            cv::cvtColor(decoded, inferImage, cv::COLOR_BGR2RGB);
        } else if (decoded.channels() == 4) {
            cv::cvtColor(decoded, inferImage, cv::COLOR_BGRA2RGB);
        } else {
            inferImage = decoded.clone();
        }

        dlcv_infer::json params;
        params["threshold"] = 0.5;
        params["with_mask"] = true;
        params["calc_mean"] = false;

        const dlcv_infer::Result result = model.Infer(inferImage, params);

        for (const auto& sample : result.sampleResults) {
            for (const auto& object : sample.results) {
                std::cout << "category_id=" << object.categoryId
                          << ", score=" << object.score;

                if (object.withBbox && object.bbox.size() >= 4) {
                    std::cout << ", bbox=["
                              << object.bbox[0] << ", "
                              << object.bbox[1] << ", "
                              << object.bbox[2] << ", "
                              << object.bbox[3] << "]";
                }
                std::cout << std::endl;
            }
        }

        model.FreeModel();
        return 0;
    }
    catch (const std::exception& error) {
        std::cerr << error.what() << std::endl;
        return 1;
    }
}

模型对象离开作用域时会自动释放，因此示例中的 model.FreeModel() 可以省略；保留该调用便于展示主动释放方式。

例程代码对应位置

功能	源码位置	说明
模型加载	`dlcv_infer_cpp_qt_demo/MainWindow.cpp` 的 `onLoadModel`	选择模型、释放旧模型、创建 `dlcv_infer::Model`
图像读取	`MainWindow.cpp` 的 `loadCurrentImage`	使用 OpenCV 保留原始位深与通道
RGB 转换	`MainWindow.cpp` 的 `prepareImageForInference`	BGR/BGRA 转换为 RGB
结构化推理	`MainWindow.cpp` 的 `onInfer`	组织参数并调用 `InferBatch`
JSON 推理	`MainWindow.cpp` 的 `onInferJson`	调用 `InferOneOutJson`
全部释放	`MainWindow.cpp` 的 `onFreeAllModels`、`main.cpp`	调用 `Utils::FreeAllModels()`

常见检查

模型加载失败

确认以下文件和环境可用：

dlcv_infer_cpp.dll 与调用程序位数一致
dlcv_infer.dll 或 dlcv_infer_v.dll 可由封装层找到
模型授权环境可用
OpenCV 与 Visual C++ 运行库版本满足工程配置

图片无法读取

OpenCV 的窄字符串图片路径在 Windows 下使用本地编码。图片路径包含中文且读取失败时，可改用纯英文目录，或参考例程命令行模式中 QFile 读取字节后调用 cv::imdecode 的方式。

结果为空

确认输入彩色图已转换为 RGB，并检查阈值是否适合当前模型。不要依据固定目标数量判断成功，应结合模型信息、结构化结果和可视化结果检查。

代码地址​

环境准备​

获取代码​

balloon 推理流程​

使用 Qt 例程​

命令行气球示例​

保存可视化结果​

最小 C++ 代码​

例程代码对应位置​

常见检查​

模型加载失败​

图片无法读取​

结果为空​