ncnn和opencv在vs2022上创建工程推理示例

序言

因为之前C++代码一直是在ubuntu的CLion上写的，对Visual Studio的相关配置并不是很熟悉，最近需要在win上开发，所以不得不用Visual Studio来编写代码，在做项目的同时，简单记录下Visual Studio的相关配置，以调用ncnn和opencv为例。

一、准备ncnn和opencv

1.1 windows下编译ncnn

首先需要安装Visual Studio 2022社区版，这个不用多说了吧，安装结束后打开vs2022的x64命令行终端

在windows下编译ncnn前需要先下载编译protobuf-3.4.0，下载后解压，编译命令过程如下：

cd <protobuf-root-dir>
mkdir build-2022
cd build-2022
cmake -G"NMake Makefiles" -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=%cd%/install -Dprotobuf_BUILD_TESTS=OFF -Dprotobuf_MSVC_STATIC_RUNTIME=OFF ../cmake
nmake
nmake install

编译完后再编译ncnn，编译命令过程如下：

git clone https://github.com/Tencent/ncnn.git
cd ncnn
git submodule update --init         # 如果这一步一直更新不了的话，需要把cmake编译时候的-DNCNN_VULKAN设置为OFF，不然编译不通过
 
mkdir build && cd build
cmake -G"NMake Makefiles" -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=%cd%/install -DProtobuf_INCLUDE_DIR=<protobuf-root-dir>/build-2022/install/include -DProtobuf_LIBRARIES=<protobuf-root-dir>/build-2022/install/lib/libprotobuf.lib -DProtobuf_PROTOC_EXECUTABLE=<protobuf-root-dir>/build-2022/install/bin/protoc.exe -DNCNN_VULKAN=OFF ..
nmake
nmake install

protobuf-root-dir 是刚才编译的protobuf的目录，根据自己的来修改。

1.2 安装opencv

opencv的安装比较简单，去opencv官网下载windows的文件下来安装即可，会得到一个opencv的文件夹

二、项目配置

打开vs2022，新建一个空项目：

得到空项目结构如下：

然后依次点击视图=>其他窗口=>属性管理器，在Release | x64（与上面编译过程中的参数对应）处右击进入属性界面。点击VC++ 目录，在包含目录中依次添加如下内容：

<opencv-root-dir>/build/include 
<opencv-root-dir>/build/include/opencv 
<opencv-root-dir>/build/include/opencv2 
<ncnn-root-dir>/build/install/include/ncnn
<protobuf-root-dir>/build/install/include 

在库目录中依次添加如下内容：

<opencv-root-dir>/build/x64/vc15/lib
<ncnn-root-dir>/build/install/lib
<protobuf-root-dir>/build/install/lib

然后在属性界面选择链接器=>输入，在附加依赖项中依次添加如下内容：

ncnn.lib
libprotobuf.lib
opencv_world455.lib

注意：网上很多教程没有这一步，没配置的话可能会报那种找不到dll文件的错误，是因为没有将opencv里面的相关文件复制到C盘中的文件夹里面

操作方法：将opencv/build/x64/vc15/bin目录下面的opencv_world455.dll和opencv_world455d.dll文件复制到C:\Windows\System32这个文件夹里面（详细看图）

拷贝到C:\Windows\System32中：

如果是opencv其他的版本，把对应的dll文件移动到上述两个C盘文件夹即可！

至此，项目的配置环境完成。在VS2022的运行窗口栏处依次选择Release和x64，与上面的选择对应。

然后就可以编写代码了，这里以DBNet文字检测模型代码运行为示例，创建了两个头文件和三个源文件结构如下：

demo.cpp为主程序入口，代码示例如下：

//
// Created by cai on 2022/2/13.
//

#include "include/DbNet.h"
#include 

using namespace cv;
using namespace std;

int main(){
    DbNet dbNet;                                                // 初始化对象

    bool retDbNet = dbNet.initModel("D:\\project_code\\OcrDet_ncnn\\model\\det_int8");       //模型初始化

    if (!retDbNet){
        printf("DBNet load model fail!");
    }

    const char*imagepath = "D:\\project_code\\OcrDet_ncnn\\test_img";
    vector<String> imagesPath;
    cv::glob(imagepath,imagesPath);

    for (int i =0;i<imagesPath.size();i++) {
        //载入图像
        cout << imagesPath[i] << endl;
        Mat image = imread(imagesPath[i]);

        if (image.empty()) {
            cout << "Error: Could not load image" << endl;
            return -1;
        }

        vector<Rect> rect;
        rect = dbNet.getTextImages(image);         // 检测接口

        for(auto &xywh : rect){
            cv::rectangle(image, xywh, Scalar(0, 0, 255),1, LINE_8,0);        // 画矩形框

        }
        cv::imshow("img0",image);
        cv::waitKey();
    }
    return 0;
}

这里用的DBNet的模型经过量化后不到600k，直接运行代码后得到检测输出结果如下，检测图和掩码图效果都还不错：