### C# 中使用 OpenCV 和 YOLO11 的教程 在 C# 开发环境中，通过 OpenCvSharp 库可以实现基于 YOLO11 模型的目标检测功能。以下是关于如何配置环境以及编写代码的具体说明。 #### 环境准备 为了成功运行项目，需安装以下依赖项： - Visual Studio 2019 或更高版本。 - .NET Framework 4.7.2 或以上版本。 - 安装 OpenCvSharp4 NuGet 包[^2]。 可以通过 NuGet Package Manager 控制台执行以下命令来安装所需库： ```bash Install-Package OpenCvSharp4.runtime.win -Version 4.8.0 ``` #### 加载 ONNX 模型并初始化网络 YOLO11 是一种轻量化目标检测模型，通常以 `.onnx` 文件形式提供。加载该文件并通过 `CvDnn.ReadNetFromONNX()` 方法创建 DNN 对象： ```csharp using OpenCvSharp; using System; class Program { static void Main(string[] args) { string modelPath = "yolov11.onnx"; // 替换为实际路径 using Mat frame = Cv2.ImRead("test.jpg"); // 测试图片路径 // 初始化神经网络 using Net net = Cv2.Dnn.ReadNetFromONNX(modelPath); // 设置输入数据预处理参数 Mat blob = Cv2.Dnn.BlobFromImage(frame, 1 / 255f, new Size(416, 416), Scalar.All(0), true, false); // 将 Blob 数据传递给网络 net.SetInput(blob); } } ``` #### 获取输出层名称并与阈值比较 YOLO 输出多个预测框及其置信度分数。需要提取这些信息并对感兴趣的对象进行过滤： ```csharp // 假设已定义变量 'output' 存储前向传播的结果矩阵 foreach (var prob in output) { for (int i = 0; i < prob.Rows; i++) { float confidence = prob.At<float>(i, 4); // 提取当前候选框的置信度得分 if (confidence > threshold) // 阈值筛选条件 { Point maxPoint; Point minPoint; // 计算类别概率的最大值位置 Cv2.MinMaxLoc(prob.Row(i).ColRange(prefix, prob.Cols), out _, out _, out minPoint, out maxPoint); int classIndex = maxPoint.X; float probability = prob.At<float>(i, classIndex + prefix); Console.WriteLine($"Class Index: {classIndex}, Probability: {probability}"); } } } [^1] ``` #### 绘制边界框到原始图像上 当找到满足条件的目标后，在原图中标记其范围以便可视化效果更直观： ```csharp Rect rect = new Rect( (int)(box.x * width), (int)(box.y * height), (int)(box.width * width), (int)(box.height * height)); Cv2.Rectangle(frame, rect, Scalar.Red, 2); Cv2.PutText(frame, $"{classNames[classId]}: {score:P2}", new Point(rect.Left, rect.Top - 5), HersheyFonts.HersheySimplex, 0.5, Scalar.White, 1); ``` --- ### 注意事项 1. **性能优化**：对于实时应用建议调整输入尺寸至较小分辨率（如 320×320），从而减少计算开销。 2. **错误排查**：如果遇到无法解析 ONNX 文件的情况，请确认所使用的框架版本支持对应格式；必要时更新最新版 OpenCvSharp 及其 runtime 插件包。 3. **跨平台兼容性**：Windows 平台上推荐采用官方发布的二进制发行版；Linux 用户则可能需要自行编译动态链接库。