发表更新库23 分钟读完 (大约3398个字)

OpenCV

Download

Install

下载 opencv-3.4.11-vc14_vc15.exe 文件，双击安装(其实只是一个解压过程)。

有的教程中会建议将解压后的 OpenCV 下的某些路径添加到系统环境变量中；这里换一种方法，仅修改 VS 的工程属性，无需添加系统环境变量。

VS2017 配置

参考OpenCV 4.1.0 + Visual Studio 2019 开发环境搭建 超级简单

准备文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
- <sln> 解决方案文件夹
  - x64
    - Debug // 将 opencv\build\x64\vc15\bin 路径下的 3 个.dll 文件拷贝到这里
      - <proj>.exe
      - opencv_world3411.dll
      - opencv_world3411d.dll
      - opencv_ffmpeg3411_64.dll
    - Release
      - <proj>.exe
      - opencv_world3411.dll
      - opencv_world3411d.dll
      - opencv_ffmpeg3411_64.dll
  - <proj> 项目文件夹
    - Debug
    - include
      - opencv2 // 从 opencv\build\include 路径下将整个 opencv2 文件夹拷贝到这里
    - lib // 将 opencv\build\x64\vc15\lib 路径下的两个.lib 文件拷贝到这里
      - opencv_world3411.lib
      - opencv_world3411d.lib
    - src
      - main.cpp
    - x64
      - Debug
  - Debug

配置

  • LIB
    在 解决方案资源管理器 右击项目名 ->属性 -> 链接器 -> 常规 -> 附加库目录 : 将 lib 文件夹路径添加到这里，或者直接用相对路径表示，添加lib 即可.
    在 解决方案资源管理器 右击项目名 ->属性 -> 链接器 -> 输入 -> 附加依赖项: 将 lib 文件名添加到这里, 例如 opencv_world3411d.lib.

  • INCLUDE
    在 解决方案资源管理器 右击项目名 ->属性 ->C/C++-> 常规 -> 附加包含目录 : 将 include 文件夹路径添加到这里，或者直接用相对路径表示，添加include 即可.

测试

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
#include<iostream>
#include"opencv2/opencv.hpp"

using namespace std;
using namespace cv;

int main()
{	
  cout << "OpenCV Test:" << endl;
  /*********************
   * 这个图片需要自己准备，放在 images 文件夹下
   * 注意这里的 "./" 表示相对路径，指相对于工程文件 <demo_proj.vcxproj> 的路径
   *********************/
  Mat img = imread("./images/demo.jpg");  //
  imshow("demo", img);// 显示图片 6 秒
  waitKey(6000);
  return 0;
}

在图片中写入中文字符

使用 OpenCV 自带的 cv::putText() 函数往图片里写入中文字符时无法正常显示，而是显示为 “???”.

要解决这个问题, 在 Windows 平台上可以调用 Windows API 里的 HDC 系列函数来完成字符绘制，封装后提供的接口为 cv::putTextZH().

main.cpp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
#include "cv_puttextzh.h"

int main() {
    cv::Mat image = cv::Mat(500, 500,CV_8UC3, cv::Scalar(144, 238, 144));
    cv::putTextZH(
       image,
       " 你好！OpenCV",
       cv::Point(image.cols/3, image.rows / 2),
       CV_RGB(255, 255, 0),
       30
    );
    cv::imshow(" 中文图窗 ", image);
    cv::waitKey(0);

    return 0;
}

1
2
3
4
5
> ls
CMakeLists.txt main.cpp cv_puttextzh.h
> mkdir build
> cd build
> cmake .. -A x64 -DOpenCV_DIR=D:/OpenCV/opencv/build/x64/vc15/lib

如果是其他平台，在 OpenCV 显示中文 | 知乎 中也有解决方案，但需要结合 freetype 和 harfbuzz 重新编译 opencv_contrib.

常用颜色 BGR 值

cv_color_def.h >folded
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
// OpenCV 常用颜色 BGR 值
#ifndef CV_COLOR_DEF_H
#define CV_COLOR_DEF_H
#include <opencv2/core/types.hpp>
#define CV_COLOR_RED cv::Scalar(0,0,255)       // 纯红
#define CV_COLOR_GREEN cv::Scalar(0,255,0)        // 纯绿
#define CV_COLOR_BLUE cv::Scalar(255,0,0)       // 纯蓝

#define CV_COLOR_DARKGRAY cv::Scalar(169,169,169) // 深灰色
#define CV_COLOR_DARKRED cv::Scalar(0,0,139) // 深红色
#define CV_COLOR_ORANGERED cv::Scalar(0,69,255)     // 橙红色

#define CV_COLOR_CHOCOLATE cv::Scalar(30,105,210) // 巧克力
#define CV_COLOR_GOLD cv::Scalar(10,215,255) // 金色
#define CV_COLOR_YELLOW cv::Scalar(0,255,255)     // 纯黄色

#define CV_COLOR_OLIVE cv::Scalar(0,128,128) // 橄榄色
#define CV_COLOR_LIGHTGREEN cv::Scalar(144,238,144) // 浅绿色
#define CV_COLOR_DARKCYAN cv::Scalar(139,139,0)     // 深青色


#define CV_COLOR_SKYBLUE cv::Scalar(230,216,173) // 天蓝色
#define CV_COLOR_INDIGO cv::Scalar(130,0,75) // 藏青色
#define CV_COLOR_PURPLE cv::Scalar(128,0,128)     // 紫色

#define CV_COLOR_PINK cv::Scalar(203,192,255) // 粉色
#define CV_COLOR_DEEPPINK cv::Scalar(147,20,255) // 深粉色
#define CV_COLOR_VIOLET cv::Scalar(238,130,238)     // 紫罗兰

#endif // CV_COLOR_DEF_H

Trackbar 滑动条

TrackbarDemo.h >folded
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
#include <opencv2/opencv.hpp>
#include <opencv2/core/utils/logger.hpp>
//SimpleBlobDetector
cv::SimpleBlobDetector::Params pBLOBDetector;
cv::Mat src;
int iThStep = 10;
int iMinth = 10;
int iMaxth = 200;
int iMinBt = 10;
int iMinar = 10;
int iMaxar = 1500;
int iMinCir = 0;
int iMinIne = 0;
int iMinCon = 0;

void detect(int, void*)
{
    pBLOBDetector.thresholdStep = iThStep;
    pBLOBDetector.minThreshold = iMinth;
    pBLOBDetector.maxThreshold = iMaxth;
    pBLOBDetector.minRepeatability = 2;
    pBLOBDetector.minDistBetweenBlobs = iMinBt;
    pBLOBDetector.filterByColor = true;
    pBLOBDetector.blobColor = 0;
    // 斑点面积
    pBLOBDetector.filterByArea = true;
    pBLOBDetector.minArea = iMinar;
    pBLOBDetector.maxArea = iMaxar;
    // 斑点圆度
    pBLOBDetector.filterByCircularity = true;
    pBLOBDetector.minCircularity = iMinCir * 0.01;
    pBLOBDetector.maxCircularity = (float)3.40282e+038;
    // 斑点惯性率
    pBLOBDetector.filterByInertia = true;
    pBLOBDetector.minInertiaRatio = iMinIne * 0.01;
    pBLOBDetector.maxInertiaRatio = (float)3.40282e+038;
    // 斑点凸度
    pBLOBDetector.filterByConvexity = true;
    pBLOBDetector.minConvexity = iMinCon * 0.01;
    pBLOBDetector.maxConvexity = (float)3.40282e+038;
    //* 用参数创建对象
    cv::Ptr<cv::SimpleBlobDetector> blob = cv::SimpleBlobDetector::create(pBLOBDetector);
    //Ptr<SimpleBlobDetector> blob=SimpleBlobDetector::create();// 默认参数创建
    //*blob 检测
    std::vector<cv::KeyPoint> key_points;
    //Mat dst;
    //cvtColor(src, dst, COLOR_RGB2GRAY);

    blob->detect(src, key_points);
    cv::Mat outImg;
    //src.copyTo(outImg);

    // 绘制结果
    cv::drawKeypoints(src, key_points, outImg, cv::Scalar(0, 0, 255));
    cv::imshow("blob", outImg);
}

void main()
{
    //cv::Mat src;
    src = cv::imread("C:/Users/siyou/Desktop/af8aed46ec80b30b72c45cad6c3b9cd6.png", cv::IMREAD_GRAYSCALE);
    if (src.empty()) {
        std::cout << "Cannot load image" << std::endl;
        return;
    }
    cv::imshow("src", src);
    cv::namedWindow("Detectwindow", cv::WINDOW_NORMAL);
    cv::createTrackbar(" 最小圆度 ", "Detectwindow", &iMinCir, 100, detect);
    cv::createTrackbar(" 最小惯性率 ", "Detectwindow", &iMinIne, 100, detect);
    cv::createTrackbar(" 最大凸度 ", "Detectwindow", &iMinCon, 100, detect);
    cv::createTrackbar(" 阈值步距 ", "Detectwindow", &iThStep, 100, detect);
    cv::createTrackbar(" 最小阈值 ", "Detectwindow", &iMinth, 255, detect);
    cv::createTrackbar(" 最大阈值 ", "Detectwindow", &iMaxth, 255, detect);
    cv::createTrackbar(" 最小距离 ", "Detectwindow", &iMinBt, 255, detect);
    cv::createTrackbar(" 最小面积 ", "Detectwindow", &iMinar, 1000, detect);
    cv::createTrackbar(" 最大面积 ", "Detectwindow", &iMaxar, 5000, detect);
    detect(0, 0);
    cv::waitKey(0);
}

OpenCV Contrib

在 OpenCV 中有部分模块 (modules) 通常没有稳定的 API, 并且未经充分测试, 因此, 它们不应该作为 OpenCV 正式发行版的一部分发布.
这些模块被单独开发, 并首先在 opencv_contrib 存储库中发布. 直至模块成熟并普及时, 才将其移至中央 OpenCV 存储库.

下载

要使用 opencv_contrib 必须将其与 OpenCV 主体部分联合编译, 因此需要下载具有相同版本号的源码. 这里统一使用 3.4.11.
从以下地址下载 OpenCV 和opencv_contrib的源码包, 如果 github 下载太慢可以尝试 gitee 极速下载. 将源码包解压到统一目录下，分别命名为 sources 和opencv_contrib. 并新建 build 文件夹.

1
2
3
4
- <OpenCV_Contrib>
    - sources # opencv-3.4.11.zip 解压并重命名得到
    - opencv_contrib # opencv_contrib-3.4.11.zip 解压得到
    - build # 新建空文件夹

编译安装

打开CMake-Gui, 配置如下:

  • Where is the source code: <OpenCV_Contrib>/sources
  • Where to build the binaries: <OpenCV_Contrib>/build
    点击一次 Configure
    修改配置:
  • BUILD_opencv_world [√]
  • OPENCV_ENABLE_NONFREE [√]
  • OPENCV_EXTRA_MODULES_PATH: <OpenCV_Contrib>/opencv_contrib/modules
    并再次点击 Configure.
    之后 CMake 会从网上下载部分文件, 但往往因为网速问题而下载失败，输出红色 warning，此时可以按照提示去查看 <OpenCV_Contrib>/build/CMakeDownloadLog.txt, 其中记录了 CMake 试图从某些网址下载文件放到<OpenCV_Contrib>/sources/.cache/ 相应路径下. 以如下片段为例.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#do_copy "face_landmark_model.dat" "7505c44ca4eb54b4ab1e4777cb96ac05" "https://raw.githubusercontent.com/opencv/opencv_3rdparty/8afa57abc8229d611c4937165d20e2a2d9fc5a12/face_landmark_model.dat" "D:/OpenCV/opencv/build_contrib/testdata/cv/face/"
#missing "D:/OpenCV/opencv/build_contrib/testdata/cv/face//face_landmark_model.dat"
#check_md5 "D:/OpenCV/opencv/sources/.cache/data/7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat"
#mismatch_md5 "D:/OpenCV/opencv/sources/.cache/data/7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat" "cbe7f803f749dbe38cf6445036349412"
#delete "D:/OpenCV/opencv/sources/.cache/data/7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat"
#cmake_download "D:/OpenCV/opencv/sources/.cache/data/7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat" "https://raw.githubusercontent.com/opencv/opencv_3rdparty/8afa57abc8229d611c4937165d20e2a2d9fc5a12/face_landmark_model.dat"
#try 1
# timeout on name lookup is not supported
#   Trying 185.199.108.133:443...
# TCP_NODELAY set
# connect to 185.199.108.133 port 443 failed: Timed out
# Failed to connect to raw.githubusercontent.com port 443: Timed out
# Closing connection 0
#

在该段日志中,CMake 试图从 “https://raw.githubusercontent.com/opencv/opencv_3rdparty/8afa57abc8229d611c4937165d20e2a2d9fc5a12/face_landmark_model.dat" 下载 “face_landmark_model.dat” 文件放到 “D:/OpenCV/opencv/build_contrib/testdata/cv/face/“ 路径下.
但是因为下载失败,<...>/cv/face/"路径下没有找到该文件. 并且去 D:/OpenCV/opencv/sources/.cache/data/路径下查看, 发现其中有一个命名为 7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat 的空文件，大小为 0Kb. 因为是空的，所以在接下来的 md5 校验中不匹配.CMake delete 了该文件, 又尝试去网络上下载，但由于网络超时, 下载失败.

通过分析以上日志, 可以得出解决办法:

  1. 手动从以上路径下载相应文件，重命名后放到 <OpenCV_Contrib>/sources/.cache/ 相应路径下，放到该路径下的文件名应当类似于7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat, 文件名前是一段 md5 校验码.
  2. 或者: 直接下载文件复制到 <OpenCV_Contrib>/build/testdata/cv/face//face_landmark_model.dat, 此时文件名前不用加 md5 码.

所有文件手动下载后，再次点击Configure，应当不再输出红色的 warning 信息, 否则还应再次检查日志文件.

点击 Generate 生成 VS2017 解决方案, 点击 Open Project 打开. 在 VS2017 工具栏选择: 生成 -> 批生成 ，勾选ALL_BUILD Debug,ALL_BUILD Release, INSTALL Debug, INSTALL Release 四项, 点击 生成 . 等待编译并安装, 之后在build/install/ 路径下会生成相应的库文件用于调用.

Reference

InputArray/OutputArray 形参类型说明

在写 OpenCV C++ 程序时经常会看到其内置函数的形参是 cv::InputArray,cv::OutputArray 等类型; 如果仅仅是调用这些函数, 直接传入 cv::Mat,std::vector<cv::Mat> 等类型的实参即可.
因为 OpenCV 定义的这些类型可以方便地看出形参是输入参数还是输出参数, 看起来比 const cv::Mat&,cv::Mat& 要专业些, 所以有些自己写的函数也想用这种类型, 本项目就简单介绍一下这些类型如何使用.

cv::InputArray

cv::InputArray是输入参数, 一般可以对标 const cv::Mat& 类型, 在函数定义中使用的时候可以通过 cv::_InputArray::getMat() 获取到真正的 cv::Mat. 如下函数默认实参为cv::noArray(), 如果没有显式地传入有效实参, 则src.empty() 为true.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
void test_InputArray(cv::InputArray src = cv::noArray())
{
    CV_Assert(src.kind()==cv::_InputArray::MAT);
    cv::Mat src_mat;
    if(src.empty())
    {
        src_mat = cv::Mat::eye(100,100,CV_8UC1)*255;
    }
    else{
        src_mat = src.getMat();
    }
    //do something...
}

cv::InputArrayOfArrays

cv::InputArrayOfArrays实际上就是 cv::InputArray, 但既然类型名为InputArrayOfArrays, 一般用于表示const std::vector<cv::Mat>&, 可以通过getMatVector() 获取到实际的数据.

cv::OutputArray

cv::OutputArray是输出参数, 该类型的变量并没有默认分配内存空间, 需要在函数定义中显式地申请空间.
以下函数默认实参为 cv::noArray(), 如果用户实际上不需要该数据, 则可以使用该实参, 在函数定义中通过cv::_OutputArray::needed() 判断是否需要, 然后执行相应的操作.

1
2
3
4
5
6
7
8
void test_OutputArray(cv::OutputArray dst = cv::noArray())
{
    if(dst.needed())
    {
        cv::Mat mat = cv::Mat::eye(50,50,CV_8UC1)*255;
        dst.assign(mat);
    }
}

以上函数定义中通过定义 cv::Mat mat 来分配了空间, 然后再通过 assign() 即可将其通过 dst 输出.
还有另一种分配空间的方式:create, 此时无需 assign 即可输出.

1
2
3
4
5
6
7
8
9
void test_OutputArray(cv::OutputArray dst = cv::noArray())
{
    if(dst.needed())
    {
        dst.create(cv::Size(50,50),CV_8UC1);
        cv::Mat mat = dst.getMat();
        mat = cv::Mat::eye(50,50,CV_8UC1)*255;
    }
}

cv::OutputArrayOfArrays

cv::OutputArrayOfArrays实际上就是 cv::OutputArray, 但既然类型名为OutputArrayOfArrays, 一般用于表示std::vector<cv::Mat>&.
assign 前要先通过 create 为其分配空间.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
void test_OutputArrayofArrays(cv::OutputArrayOfArrays dst)
{
    std::vector<cv::Mat> outImages;
    outImages.push_back(cv::Mat::eye(500,500,CV_8UC1)*255);
    outImages.push_back(cv::Mat::eye(600,600,CV_8UC1)*255);
    
// 以下三种实现任意一种都是可行的 
#if 1
    // 表示 dst 是 outImages.size() 行 1 列的 array, 其中每个元素都是 CV_8UC1 类型的 cv::Mat
    dst.create((int)outImages.size(), 1, CV_8UC1);
#endif

#if 0
    // 表示 dst 是 1 维的 array, 该维度长度是 outImages.size(),array 内每个元素都是 CV_8UC1 类型的 cv::Mat
    int size = (int)outImages.size();
    dst.create(1, &size, CV_8UC1);
#endif

#if 0
    // 表示 dst 是 2 维的 array, 两个维度长度分别是 1 和 outImages.size(),array 内每个元素都是 CV_8UC1 类型的 cv::Mat
    // 由于我们这里实际用的是 `std::vector<cv::Mat>` 类型的变量, 因此交换两个维度的长度也是可以的.
    // 即 int size[2] = {1,(int)outImages.size()};
	int size[2] = {(int)outImages.size(),1};
    dst.create(2, size, CV_8UC1);
#endif

    dst.assign(outImages);
}

分辨 cv::Mat 和std::vector<cv::Mat>

由于 cv::InputArray 与cv::InputArrayOfArrays实际上是同一种类型, 因此尽管我们约定前者表示 cv::Mat, 后者表示std::vector<cv::Mat>, 但这并不是强制的. 为了确保用户传入的实参符合预期, 可以用kind() 来获取实参的类型.

1
CV_Assert(src.kind()==cv::_InputArray::MAT);

Reference

OpenCV

https://luosiyou.cn/blogs/opencv/

作者

Luo Siyou

发布于

2023-01-03

更新于

2023-03-20

许可协议

#
关注我
Gitee

链接

分类

最新文章

归档

标签

3D1
LM优化1
Sim(3)1
Umeyama1
WinSCP1
calculus1
ceres1
clash1
cmake1
cuda1
darknet2
dll1
eigen1
g2o1
git1
github1
gui1
hexo1
icarus1
json1
levmar1
lib1
libtorch1
license1
linux1
msvc1
onnx1
opencv1
pcl2
qt2
raspberrypi1
resume1
rotation1
tinyxml21
vs3
vtk1
windows1
xml1
yolo2
×