toTensorData static method

Implementation

static Future<TensorData> toTensorData(
  Uint8List imageBytes, {
  int targetWidth = 640,
  int targetHeight = 640,
}) async {
  final image = img.decodeImage(imageBytes);

  if (image == null) {
    throw Exception('Falha ao decodificar imagem');
  }

  // Redimensionar para 640x640 (tamanho esperado pelo YOLO11n)
  final resized = img.copyResize(
    image,
    width: targetWidth,
    height: targetHeight,
  );
  // Normalizar os pixels (0-1) e aplicar normalização ImageNet
  final normalizedData = <double>[];
  // Valores de média e desvio padrão para ImageNet
  final mean = [0.485, 0.456, 0.406];
  // Valores de desvio padrão para ImageNet
  final std = [0.229, 0.224, 0.225];

  // Percorre os pixels da imagem redimensionada
  for (int i = 0; i < resized.height; i++) {
    // Percorre cada coluna
    for (int j = 0; j < resized.width; j++) {
      // Obtém o pixel na posição (j, i)
      final pixel = resized.getPixelSafe(j, i);

      // Extrair RGB (valores de 0 a 255)
      final r = pixel.rNormalized.toDouble();
      final g = pixel.gNormalized.toDouble();
      final b = pixel.bNormalized.toDouble();

      // Normalizar (ImageNet)
      normalizedData.add((r - mean[0]) / std[0]); // R
      normalizedData.add((g - mean[1]) / std[1]); // G
      normalizedData.add((b - mean[2]) / std[2]); // B
    }
  }

  // Converter para Float32List
  final float32Data = Float32List.fromList(normalizedData);
  // Obter bytes do buffer (cada float -> 4 bytes)
  final resizedImage = float32Data.buffer.asUint8List();

  // Número de elementos esperados para shape [1,3,H,W]
  final expectedElements = 1 * 3 * targetHeight * targetWidth;
  if (float32Data.length != expectedElements) {
    throw Exception(
      'Tamanho dos dados incompatível: esperado $expectedElements, encontrado ${float32Data.length}',
    );
  }

  // Converte os bytes para TensorData usando shape dinâmico [N, C, H, W]
  final inputTensor = TensorData(
    shape: [1, 3, targetHeight, targetWidth],
    dataType: TensorType.float32,
    data: resizedImage,
  );

  return inputTensor;
}