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。
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。
立即学习“C++免费学习笔记（深入）”；
解析步骤：
- 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。
漏检常因坐标未裁剪到图像边界导致 cv::Rect 构造失败（如 x1 为负），此时该框被静默丢弃。务必在构造前做 cv::max(0.f, x1) 等 clamp 处理。
YOLOv8 + OpenCV-DNN 的核心难点不在加载，而在前处理的 letterbox 实现和后处理中坐标系转换的细节。这两处出错，模型可能完全不工作，但又不报错——只能靠可视化中间 bbox 来排查。
