C++ OpenCV-DNN如何进行YOLOv8目标检测推理-C++-PHP中文网

yolov8 onnx模型可用opencv-dnn加载，但需导出时设opset_version=11且不含nonmaxsuppression算子；否则会报“unsupported op”错误，必须手动后处理。

c++ opencv-dnn如何进行yolov8目标检测推理

YOLOv8 ONNX模型能否直接用OpenCV-DNN加载

可以，但必须是导出时启用 opset_version=11 且不包含自定义算子（如 NonMaxSuppression）的 ONNX 模型。OpenCV 4.8+ 的 dnn::readNetFromONNX() 不支持 ONNX 中的 NonMaxSuppression 算子——YOLOv8 官方导出的默认 ONNX 模型（含后处理）会触发该算子，直接加载会报错：Unsupported opset version: 18 或更常见的 Failed to parse operator 'NonMaxSuppression'。

解决方法只有两个：
- 用 torch.onnx.export(..., opset_version=11) 重新导出，且设置 task='detect' 和 agnostic_nms=False（Ultralytics v8.0.200+ 支持）；
- 或导出为「仅推理头」模型（即不带 NMS），靠 OpenCV 手动后处理。

如何用OpenCV-DNN加载YOLOv8并做前处理

YOLOv8 输入要求是 CHW 格式、归一化到 [0, 1]、尺寸为正方形（如 640x640）。OpenCV 默认读图是 HWC，需手动转换。关键点：

dnn::blobFromImage() 必须传入 scalefactor=1/255.0，不能依赖 mean 参数做归一化（YOLOv8 不减均值）；
必须显式调用 cv::resize() 保持宽高比缩放 + 填黑边（letterbox），OpenCV 的 blobFromImage() 自带的 size 参数只做暴力拉伸，会严重破坏检测精度；
输入 blob 的 swapRB=true（因 OpenCV 读图是 BGR，而 YOLOv8 训练用 RGB，需交换 R/B 通道）。

示例片段：

cv::Mat img = cv::imread("bus.jpg");
cv::Mat blob;
cv::Size inpSize(640, 640);
// letterbox resize（需自己实现或调用 utils 函数）
cv::Mat img_resized = letterbox(img, inpSize); // 返回 640x640，含黑边
cv::dnn::blobFromImage(img_resized, blob, 1/255.0, cv::Size(), cv::Scalar(), true, false);
net.setInput(blob);

YOLOv8输出解析：为什么output[0].size()是[1, 84, 8400]

OpenCV 加载的 YOLOv8 ONNX 模型（无 NMS）输出 shape 通常是 [1, num_classes + 4, num_anchors]，其中 num_anchors=8400 是三个尺度（80×80 + 40×40 + 20×20）的 anchor 总数；84 = 4 + 80（XYWH + 80 类置信度）。注意：不是每个输出都是 [x,y,w,h,c0,c1,...] 排列，而是按 channel 优先组织——即第 0~3 行是所有 anchor 的 x,y,w,h，第 4 行开始才是各类置信度。

解析步骤：

C++14

C++14 对 C++11 的修正与增强版本，适合旧系统维护和较老工具链兼容。

下载

用 output = net.forward().reshape(84, 8400).t() 转置成 (8400, 84)，便于逐行遍历；
对每行取 row(0..3) 得 bbox，row(4..end) 取 class scores；
用 cv::minMaxLoc() 找最大 score 及其 index，过滤掉 score confThreshold（如 0.25）的；
注意：YOLOv8 输出的是归一化坐标（相对原图尺寸），需乘以原始图像宽高还原。

OpenCV手动NMS：cv::dnn::NMSBoxes结果为空或漏检

cv::dnn::NMSBoxes() 对 YOLOv8 输出效果差，常见原因是：输入的 bboxes 是 std::vector<:rect></:rect>，但 YOLOv8 输出的是中心点+宽高（cx,cy,w,h），直接转 cv::Rect 会出错（cv::Rect 构造函数要左上角坐标，不是中心点）。

正确做法：

先将每个预测框从 (cx,cy,w,h) 转为 (x1,y1,x2,y2)，公式：x1 = cx - w/2; y1 = cy - h/2; x2 = cx + w/2; y2 = cy + h/2；
再用 cv::Rect(x1, y1, x2-x1, y2-y1) 构造矩形（确保 x1,y1 ≥ 0，w,h > 0）；
传入 NMSBoxes() 前，确认 scores 是 std::vector<float></float>，且与 bboxes 长度一致；
score_threshold 和 nms_threshold 别设太高——建议分别用 0.25 和 0.45 起手。