C++ 如何从dlib上的dlib:：矩形创建cv:：Mat'；s array2d<；rgb_像素>；形象？

我正在使用dlib的hog检测器，因为它比opencv haarcascades发现的人脸要好得多。但是它不能检测到脸上的情绪（或者可以？？）。我需要从dlib:：rectangle with face中提取一个“子图像”，并从中创建cv:：Mat，以调用带有预加载“haarcascade_smile.xml”的cv:：detectMultiScale（）

如何执行此提取/转换

下面的代码示例

int DetectionProc(void * param){ // async operation
    auto instance =(Detector *)param;
    const unsigned int delay = 1000 / instance->OPS;
    std::vector<dlib::rectangle> detects;
    array2d<rgb_pixel> sample;

    while(instance->OPS){
        unsigned int elapsed = GetTickCount();

        EnterCriticalSection(&instance->cs_buf);
        assign_image(sample,instance->buffer);
        instance->buffer.clear();
        LeaveCriticalSection(&instance->cs_buf);

        if (sample.size()){
            detects = instance->face_detector(sample);
            if (!detects.empty()){
                detection res(GetTickCount());
                if (!instance->smile_detector.empty()){
                    // TODO
                    // extract subimage from detects.front() on sample to cv::Mat face;
                    // instance->smile_detector.detectMultiScale(); on face
                    // set res.smiled to true on success
                }
                EnterCriticalSection(&instance->cs_result);
                instance->result = res;
                LeaveCriticalSection(&instance->cs_result);
            }
        }
        elapsed = GetTickCount() - elapsed;
        Sleep((elapsed < delay) ? (delay - elapsed) : 0);
    }
    return 0;
}

int-DetectionProc（void*param）{//异步操作
自动实例=（检测器*）参数；
const unsigned int delay=1000/实例->操作；
向量检测；
阵列2d样品；
while（实例->操作）{
unsigned int appeased=GetTickCount（）；
EnterCriticalSection（&instance->cs\u buf）；
分配_映像（示例、实例->缓冲区）；
instance->buffer.clear（）；
离开CriticalSection（&instance->cs_buf）；
if（sample.size（））{
检测=实例->人脸检测器（样本）；
如果（！detect.empty（））{
检测分辨率（GetTickCount（））；
如果（！instance->smile\u detector.empty（））{
//待办事项
//从样本上的detects.front（）提取子图像到cv:：Mat face；
//实例->脸上的微笑检测器。检测多尺度（）
//成功时，将微笑归为真
}
EnterCriticalSection（&实例->cs\u结果）；
实例->结果=res；
离开CriticalSection（&instance->cs\u结果）；
}
}
已用=GetTickCount（）-已用；
睡眠（（经过<延迟）？（延迟-经过）：0）；
}
返回0；
}

有两种方法可以实现这一点，一种是通过dlib（）中的

提取图像芯片

功能，另一种是使用相应的OpenCV API从包装中提取子图像。您将使用哪一个取决于该选择对其余处理管道的方便程度

从您的示例得出结论，OpenCV路径似乎是最方便的（但请再次查看设计和API选项）：

//1.）将“示例”dlib图像包装在cv:：Mat中
//dlib:：toMat（）可通过#include获得
cv:：Mat sample_Mat=dlib:：toMat（样品）；
//2.）反复进行检测
用于（常量自动和矩形：检测）
{
//3.）使用OpenCV提取矩形子图像
cv:：Mat rect_sub=样本_Mat(
cv:：Rect（Rect.left（），Rect.top（），Rect.width（），Rect.height（））；
//4.）处理子图像
}

有两种方法可以实现这一点，一种是通过dlib（）中的

提取图像芯片

功能，另一种是使用相应的OpenCV API从包装中提取子图像。您将使用哪一个取决于该选择对其余处理管道的方便程度

从您的示例得出结论，OpenCV路径似乎是最方便的（但请再次查看设计和API选项）：

//1.）将“示例”dlib图像包装在cv:：Mat中
//dlib:：toMat（）可通过#include获得
cv:：Mat sample_Mat=dlib:：toMat（样品）；
//2.）反复进行检测
用于（常量自动和矩形：检测）
{
//3.）使用OpenCV提取矩形子图像
cv:：Mat rect_sub=样本_Mat(
cv:：Rect（Rect.left（），Rect.top（），Rect.width（），Rect.height（））；
//4.）处理子图像
}

// 1.) Wrap your "sample" dlib-image in cv::Mat
//     dlib::toMat() is available through #include <dlib/opencv.h>
cv::Mat sample_mat = dlib::toMat(sample);

// 2.) Iterate through your detections
for (const auto& rect: detects) 
{
    // 3.) Extract the rectangle sub-image using OpenCV
    cv::Mat rect_sub = sample_mat(
        cv::Rect(rect.left(), rect.top(), rect.width(), rect.height()));

    // 4.) Process the sub-image
}