raw_detections = infer_pipeline.infer(input_data)
end_time = time.time()
print(type(raw_detections))
print(len(raw_detections))
fast_depth_out = raw_detections["fast_depth/conv20"]
print(fast_depth_out.shape) #1 224 224 1
#使用tf.squeeze移除所有维度为1的条目
#squeezed_output = tf.squeeze(fast_depth_out, axis=0)#去除第一个维度的
fast_depth_out1 =fast_depth_out[0]
# 检查输出形状
print(fast_depth_out1.shape) # 输出: (224, 224, 1)
# 获取 outReshape 的最大值
max_value = np.max(fast_depth_out1)
# 逐元素除法
result = np.divide(fast_depth_out1, max_value)
img_array = (255 * result).astype(np.uint8)
# 将深度图转换为 16 位（如果需要）
depth_image = np.uint16(img_array * (65535.0 / 255.0)) # 将 0-255 范围的灰度图转为 0-65535 範围的深度图
#将归一化图像转换为热图
heatmap = cv2.applyColorMap(img_array, cv2.COLORMAP_RAINBOW) #cv2.COLORMAP_JET, cv2.COLORMAP_HOT COLORMAP_RAINBOW
# 显示和保存热图
cv2.imshow('Heatmap', heatmap)
cv2.imshow("OpenCV",depth_image)
cv2.waitKey(1)
