opencv armnn_tf 对接

输入armnn的图像以数组的形式存储，但是如果工程中涉及到图像相关的内容，一般会配合opencv使用，所以需要做到opencv中Mat数据类型和armnn需要的数组类型之间能够相互转换

Mat数据结构详解
参考自https://blog.csdn.net/yang_xian521/article/details/7107786

armnn中数据输入输出形式为一维的数组，维度顺序为NHWC

找到博客 https://blog.csdn.net/guyuealian/article/details/80253066
完美解决问题

vector<_Tp> convertMat2Vector(const cv::Mat &mat)
{
    return (vector<_Tp>)(mat.reshape(1, 1)); //通道数不变，按行转为一行
}

template <typename _Tp>
cv::Mat convertVector2Mat(vector<_Tp> v, int channels, int rows)
{
    cv::Mat mat = cv::Mat(v);                           //将vector变成单列的mat
    cv::Mat dest = mat.reshape(channels, rows).clone(); //PS：必须clone()一份，否则返回出错
    return dest;
}

主要思想是用一维的图像作为中间媒介，mat2vector 先将图像resize成单通道单行，经过处理Mat.data 在内存上连续，可以直接用来构造vector；vector2mat用vector构造mat，然后resize成需要的通道数和size

唯一存在的问题就是我们神经网络的输出图像可能通道数不为1(灰度图像),3(GRB)或者4(GRBA)，而cv::resize 中assert了通道数必须为这三种，所以如果通道数不为上述三种情况的话，目前想到的办法就是先对输出vector做一个单通道的提取，保存多个vector，然后分别进行转换。

vector<vector<_Tp> > split_channels(vector<_Tp> vec, int channels){
    vector<vector<_Tp> > result;
    int HxW = vec.size() / channels;
    for(int i = 0; i < channels; i++){
        vector<_Tp> tmp(HxW, 0);
        for(int j = 0; j < HxW; j++){
            int index = j * channels + i;
            tmp[j] = vec[index];
        }
        result.push_back(tmp);
    }
    return result;
}