c++ 解析從瀏覽器端傳過來的影象base64編碼，並轉換成opencv識別的格式

阿新 • • 發佈：2019-01-15

#include <cstdint>
#include <fstream>
#include <iostream>
#include <string>
#include <vector>
#include "opencv2/core/core.hpp"
#include "opencv2/contrib/contrib.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include <b64/encode.h>
#include <b64/decode.h>
#include "face_detection.h"
using namespace cv;
using namespace std;
cv::Mat img_gray;




static const std::string base64_chars =
"ABCDEFGHIJKLMNOPQRSTUVWXYZ"
"abcdefghijklmnopqrstuvwxyz"
"0123456789+/";


static inline bool is_base64(unsigned char c) {
    return (isalnum(c) || (c == '+') || (c == '/'));
}


Mat deserialize(std::stringstream& input)
{
    // The data we need to deserialize
    int width = 0;
    int height = 0;
    int type = 0;
    size_t size = 0;

    // Read the width, height, type and size of the buffer
    input.read((char*)(&width), sizeof(int));
    input.read((char*)(&height), sizeof(int));
    input.read((char*)(&type), sizeof(int));
    input.read((char*)(&size), sizeof(size_t));

    // Allocate a buffer for the pixels
    char* data = new char[size];
    // Read the pixels from the stringstream
    input.read(data, size);

    // Construct the image (clone it so that it won't need our buffer anymore)
    Mat m = Mat(height, width, type, data).clone();

    // Delete our buffer
    delete[]data;

    // Return the matrix
    return m;
}

Mat getFaceRec(Mat img, seeta::FaceDetection *detector)
{

  if (img.channels() != 1)
    cv::cvtColor(img, img_gray, cv::COLOR_BGR2GRAY);
  else
    img_gray = img;

  seeta::ImageData img_data;
  img_data.data = img_gray.data;
  img_data.width = img_gray.cols;
  img_data.height = img_gray.rows;
  img_data.num_channels = 1;

  std::vector<seeta::FaceInfo> faces = detector->Detect(img_data);

  cv::Rect face_rect;
  int32_t num_face = static_cast<int32_t>(faces.size());

  for (int32_t i = 0; i < num_face; i++) {
    face_rect.x = faces[i].bbox.x;
    face_rect.y = faces[i].bbox.y;
    face_rect.width = faces[i].bbox.width;
    face_rect.height = faces[i].bbox.height;

    cv::rectangle(img, face_rect, CV_RGB(0, 0, 255), 4, 8, 0);
  }

  return img;
}


std::string base64_decode(std::string const& encoded_string) {
    int in_len = encoded_string.size();
    int i = 0;
    int j = 0;
    int in_ = 0;
    unsigned char char_array_4[4], char_array_3[3];
    std::string ret;

    while (in_len-- && (encoded_string[in_] != '=') && is_base64(encoded_string[in_])) {
        char_array_4[i++] = encoded_string[in_]; in_++;
        if (i == 4) {
            for (i = 0; i < 4; i++)
                char_array_4[i] = base64_chars.find(char_array_4[i]);

            char_array_3[0] = (char_array_4[0] << 2) + ((char_array_4[1] & 0x30) >> 4);
            char_array_3[1] = ((char_array_4[1] & 0xf) << 4) + ((char_array_4[2] & 0x3c) >> 2);
            char_array_3[2] = ((char_array_4[2] & 0x3) << 6) + char_array_4[3];

            for (i = 0; (i < 3); i++)
                ret += char_array_3[i];
            i = 0;
        }
    }

    if (i) {
        for (j = i; j < 4; j++)
            char_array_4[j] = 0;

        for (j = 0; j < 4; j++)
            char_array_4[j] = base64_chars.find(char_array_4[j]);

        char_array_3[0] = (char_array_4[0] << 2) + ((char_array_4[1] & 0x30) >> 4);
        char_array_3[1] = ((char_array_4[1] & 0xf) << 4) + ((char_array_4[2] & 0x3c) >> 2);
        char_array_3[2] = ((char_array_4[2] & 0x3) << 6) + char_array_4[3];

        for (j = 0; (j < i - 1); j++) ret += char_array_3[j];
    }

    return ret;
}



void getBBoxOfFace(string path,char* modelPath)
{
      seeta::FaceDetection *detector = new  seeta::FaceDetection(modelPath);
      detector->SetMinFaceSize(40);
      detector->SetScoreThresh(2.f);
      detector->SetImagePyramidScaleFactor(0.8f);
      detector->SetWindowStep(4, 4);

      Mat img = cv::imread(path);
      if (img.channels() != 1)
       cv::cvtColor(img, img_gray, cv::COLOR_BGR2GRAY);
      else
       img_gray = img;

      seeta::ImageData img_data;
      img_data.data = img_gray.data;
      img_data.width = img_gray.cols;
      img_data.height = img_gray.rows;
      img_data.num_channels = 1;

      std::vector<seeta::FaceInfo> faces = detector->Detect(img_data);

      cv::Rect face_rect;
      int32_t num_face = static_cast<int32_t>(faces.size());

      for (int32_t i = 0; i < num_face; i++) {
        face_rect.x = faces[i].bbox.x;
        face_rect.y = faces[i].bbox.y;
        face_rect.width = faces[i].bbox.width;
        face_rect.height = faces[i].bbox.height;
        cout<<face_rect.x<<","<<face_rect.y<<","<<face_rect.width<<","<<face_rect.height<<endl;
        //cv::rectangle(img, face_rect, CV_RGB(0, 0, 255), 4, 8, 0);
      }



}


void seetaFaceDetectorByBase64Path(string path,char* modelPath)
{
     seeta::FaceDetection *detector = new  seeta::FaceDetection(modelPath);
      detector->SetMinFaceSize(40);
      detector->SetScoreThresh(2.f);
      detector->SetImagePyramidScaleFactor(0.8f);
      detector->SetWindowStep(4, 4);

    base64::decoder D;


    std::ifstream fin(path);
    std::string strRs;
    std::string str;
    while (fin)
    {
        fin >> str;
        strRs += str;
    }


    /*
    std::stringstream decoded;
    std::stringstream ss(strRs);
    D.decode(ss, decoded); //base64解密
    Mat img = deserialize(decoded); //反序列化
    */


    std::string decoded_string = base64_decode(strRs);
    std::vector<uchar> data(decoded_string.begin(), decoded_string.end());

    Mat img = imdecode(data, IMREAD_UNCHANGED);

    //cv::imshow("img",img);
    //cv::waitKey(0);



    //檢測人臉
      if (img.channels() != 1)
       cv::cvtColor(img, img_gray, cv::COLOR_BGR2GRAY);
      else
       img_gray = img;

      seeta::ImageData img_data;
      img_data.data = img_gray.data;
      img_data.width = img_gray.cols;
      img_data.height = img_gray.rows;
      img_data.num_channels = 1;


      std::vector<seeta::FaceInfo> faces = detector->Detect(img_data);

      cv::Rect face_rect;
      int32_t num_face = static_cast<int32_t>(faces.size());

      for (int32_t i = 0; i < num_face; i++) {
        face_rect.x = faces[i].bbox.x;
        face_rect.y = faces[i].bbox.y;
        face_rect.width = faces[i].bbox.width;
        face_rect.height = faces[i].bbox.height;
        cout<<face_rect.x<<","<<face_rect.y<<","<<face_rect.width<<","<<face_rect.height<<endl;
        //cv::rectangle(img, face_rect, CV_RGB(0, 0, 255), 4, 8, 0);
      }



}




void seetaFaceDetectorByBase64Str(string encoded_string,char* modelPath)
{
     seeta::FaceDetection *detector = new  seeta::FaceDetection(modelPath);
      detector->SetMinFaceSize(40);
      detector->SetScoreThresh(2.f);
      detector->SetImagePyramidScaleFactor(0.8f);
      detector->SetWindowStep(4, 4);

    base64::decoder D;


    std::string decoded_string = base64_decode(encoded_string);
    std::vector<uchar> data(decoded_string.begin(), decoded_string.end());

    Mat img = imdecode(data, IMREAD_UNCHANGED);

    //cv::imshow("img",img);
    //cv::waitKey(0);

    //檢測人臉
      if (img.channels() != 1)
       cv::cvtColor(img, img_gray, cv::COLOR_BGR2GRAY);
      else
       img_gray = img;

      seeta::ImageData img_data;
      img_data.data = img_gray.data;
      img_data.width = img_gray.cols;
      img_data.height = img_gray.rows;
      img_data.num_channels = 1;


      std::vector<seeta::FaceInfo> faces = detector->Detect(img_data);

      cv::Rect face_rect;
      int32_t num_face = static_cast<int32_t>(faces.size());

      for (int32_t i = 0; i < num_face; i++) {
        face_rect.x = faces[i].bbox.x;
        face_rect.y = faces[i].bbox.y;
        face_rect.width = faces[i].bbox.width;
        face_rect.height = faces[i].bbox.height;
        cout<<face_rect.x<<","<<face_rect.y<<","<<face_rect.width<<","<<face_rect.height<<endl;
        //cv::rectangle(img, face_rect, CV_RGB(0, 0, 255), 4, 8, 0);
      }
}




int main(int argc, char** argv) {

    //視訊路徑 模型路徑
    if(argc != 3)
    {
    std::cout<<"argument fault"<<std::endl;
    return 0;
    }
    //getBBoxOfFace(argv[1],argv[2]);
    seetaFaceDetectorByBase64Str(argv[1],argv[2]);

    /*
        Mat frame;
        char path[100];
        int count = 0;
      seeta::FaceDetection *detector = new  seeta::FaceDetection(argv[2]);
      detector->SetMinFaceSize(40);
      detector->SetScoreThresh(2.f);
      detector->SetImagePyramidScaleFactor(0.8f);
      detector->SetWindowStep(4, 4);
      getBBoxOfFace(string path,string modelPath);

      VideoCapture capture(argv[1]);

      while(true)
      {
        capture >> frame;
        //獲得了最後一幀
        if(frame.empty())
        {
            break;
        }
          frame = getFaceRec(frame,detector);
          sprintf(path,"/home/lgf/ext_data/videoFace/%d.jpg",count++);
          cv2.imwrite(path,)
          cv::namedWindow("SeetaFaceDetect", cv::WINDOW_AUTOSIZE);
          cv::imshow("Test", frame);
          cv::waitKey(1);
      }
      cv::destroyAllWindows();
      */
}

c++ 解析從瀏覽器端傳過來的影象base64編碼，並轉換成opencv識別的格式

#include <cstdint> #include <fstream> #include <iostream> #include <string> #include <vector> #includ

前端傳遞url引數中有中文，後端傳過來的有亂碼，解決方案

一、問題重現：原始碼：用get方式傳遞 @ResponseBody @RequestMapping(value = {"/findGroupByGroupName/{batchNo

C#中從記憶體空間的角度看資料型別，並延申到static方法的分析

資料型別這篇文章主要討論的是值型別和引用型別，值型別在定義的時候就會將該值儲存在棧中，而引用型別是分配在堆中，在堆中存放的是資料區域地址，它用來指向一塊記憶體空間。棧可以理解為儲存的都是一些資料變數，而堆中放的都是一些例項化物件。在對值型別操作時不會影響其他值，而當引用變數引用其他引用變數時

Django 模板語言從後端傳到前端

後端 htm html [1] dex cal views 列表渲染如果我們在後端有數據動態提取到前端的時候就需要模板語言加以渲染後再將渲染好的HTML文件傳入前端我們的views.py裏的index函數裏有個s變量是個列表,將數據以大括號的形式傳入{"l

前端接受後端傳過來的list的處理

== uid lse debugger 用戶權限 .data ber ole ati //隱藏需要權限才顯示的分配按鈕 $("#btn-distribute").css("display", "none");

前臺傳過來的json資料，解析request

/** * 解析前臺獲得的互動資料 * @param request * @return * @throws IOException */ public static JSONObject getJsonObject(HttpServletRequest re

MVC使用ajax非同步重新整理時怎樣輸出從後臺中傳過來的JSON資料

前言這幾天在學習MVC使用AJAX非同步刷，因為是新手。所以在js中傳引數到後臺以及後臺返回資料到前臺怎麼接受，怎麼前臺遍歷出JSON資料都開始不知道，相信新手在使用時跟我一樣會遇到，這裡我就和大家分享一下。新手勿噴。。。這裡使用VS2010中新建的mvc 3.0專案

客戶端/伺服器模式C/S與瀏覽器端/伺服器模式B/S

客戶端/伺服器模式與瀏覽器端/伺服器模式，即C/S模式與B/S模式之間的區別，其實與RCP和TCP程式的區別一樣，在於執行平臺和資料交換模式的區別。 C/S模式中，在客戶端需要安裝RCP程式，負責客戶

netty處理客戶端傳過來的get、post、websocket資料例子

package com.penngo.http; import java.net.InetSocketAddress; import java.util.concurrent.Executors; import org.jboss.netty.bootstrap.ServerBootstrap; import

Binder原始碼解析(從客戶端到服務端程式碼流程)

Binder 解析(從客戶端到服務端程式碼流程) 首先從一個例子開始服務端程式碼： public class WeatherService extends Service{ IWeatherInterface.Stub stub = new

使用HttpClient傳送http請求，並解析從伺服器端返回的資料

使用Apache的httpclient包可以模擬HTTP請求的傳送， get和post均可以。最方便的地方就是請求struts等web框架進行測試，省去了做測試頁面的差事。import java.io.IOException; import java.io.InputStr

php獲取ios或android通過文件頭(header)傳過來的坐標，通過百度接口獲取具體城市和地址，並存入到session中。

word 請求 sse 百度頭文件 reac session ray 位置首先，在function.php方法文件中封裝一個獲取header頭文件的方法。 if (!function_exists(‘getallheaders‘)) { 　　function g

使用openlayer中的filter從後端返回滿足查詢條件的要素並顯示屬性資訊

本功能主要參考官網的filter例子，地址如下該功能主要實現了在右上方選擇需要查詢要輸的欄位，並輸入相應欄位要查詢的值，支援模糊查詢，在點選查詢之後，地圖介面上顯示查詢出的要素並定位到這些要素，

Springmvc檔案上傳例子，上傳帶圖片的Excel，並利用poi解析。

直奔主題，第一步：上傳一個帶圖片的Excel。第二步：解析該Excel檔案，得到Excel資料和圖片。 1.pom.xml  <dependency> <groupId>commons-

c#控制IE瀏覽器自動點選等事件WebBrowser，mshtml.IHTMLDocument2

可以實現例如通過應用程式操作google搜尋，使用者輸入要搜尋的內容，然後在google中搜索；可以自動點選網頁上的按鈕等功能 1. 加入對Microsoft Internet Controls的引用； 2. 加入對Microsoft HTML Object

JSP頁面中獲取從controller中傳遞過來的時間資料，顯示格式

首先jsp頁面頂部要包含<%@ taglib uri="http://java.sun.com/jsp/jstl/fmt" prefix="fmt"%> 然後再頁面中使用如下： <fmt:formatDate value="${product.update

玩玩Linux雲主機-使用XShell從Windows上傳檔案到Linux伺服器，下載到本地

之前搭建好了，對於這個操作啊，基本上的東西還是懂一點點，實在搞不懂就百度一下子。我記得之前使用虛擬機器的時候，想從windows複製檔案到虛擬機器中很簡單啊，直接的copy然後貼上，可是現在不行了啊，

從瀏覽器輸入URL到網頁載入完成，發生了什麼？

這個我打算分為兩部門來說。第一部分是從鍵盤輸入到螢幕顯示URL；第二部分是按下回車後，到頁面載入的過程。第一部分在（），本文將著重討論第二部分。一、DNS解析 DNS解析的過程是一個先在本地機器上找，然後去網路上找的過程。首先，會先去瀏覽器快取中查詢，沒有就去本機的h

c# WPF客戶端調用WebAPI並轉換成List

protect pre orm dsv 列表 void response () res 利用HttpClient、JsonConvert實現。引用Newtonsoft.Json.dll和System.Net.Http。舉個例子：從webapi中獲取設備列表。 pub

DOS批處理器移動指定數量文件到一個臨時文件夾，上傳到linux服務器，並刪除臨時文件夾下的文件

dosDOS批處理器移動指定數量文件到一個臨時文件夾，上傳到linux服務器，並刪除臨時文件夾下的文件，上傳需要依賴pscp.exe。腳本如下：@echo off&setlocal enabledelayedexpansion #將400個xml文件從M:\dockerEPG\目錄下移動到M:\scp

c++ 解析從瀏覽器端傳過來的影象base64編碼，並轉換成opencv識別的格式

相關推薦