上位机图像处理和嵌入式模块部署(windows & opencv)

【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】

opencv可以运行在多个平台上面,当然windows平台也不意外。目前来说,opencv使用已经非常方便了,如果不想自己编译,可以直接使用官方编译好的版本,直接下载接好。配置好include和lib之后,就可以进行图像的处理了。当然有一个地方需要注意下,那就是创建的vs工程必须是x64工程。因为下载的opencv本身就是64位代码。

1、下载opencv

可以直接到官网下载最新的opencv即可。下载后解压到一个目录下面,

复制代码
https://opencv.org/releases/

2、创建一个console工程

之前我们创建了qt工程,然后配置opencv。如果不想使用界面的话,直接使用console工程也是可以处理图像的,只是需要把debug的版本从x86切换成x64。

3、准备好测试代码

复制代码
#include <opencv2/opencv.hpp>
#include <iostream>

int main() 
{
	// read image
	cv::Mat image = cv::imread("D:/lena.png");

	// check if image has been loaded successfully
	if (image.empty()) 
	{
		std::cout << "unable to load image here" << std::endl;
		return -1;
	}

	// transfer image to gray type
	cv::Mat grayImage;
	cv::cvtColor(image, grayImage, cv::COLOR_BGR2GRAY);

	// show original image
#if 1
	cv::imshow("Original Image", image);
#else
	// show gray image
	cv::imshow("Gray Image", grayImage);
#endif

	// wait for input
	cv::waitKey(0);
	return 0;
}

4、配置头文件目录

前面我们安装了opencv,如果需要在工程下面用起来,则需要配置一下头文件目录,

复制代码
D:\software\opencv\build\include

5、配置lib文件目录

除了头文件目录之外,还需要配置lib文件目录,

复制代码
D:\software\opencv\build\x64\vc16\lib\opencv_world480d.lib

6、下载测试图片

这里面,我们使用到了lena.png图片,因此可以把它下载下来,放到d盘目录。

复制代码
https://github.com/mikolalysenko/lena/blob/master/lena.png

7、拷贝dll文件

虽然我们前面编译通过了,但是dll文件还是需要拷贝的,

复制代码
D:\software\opencv\build\x64\vc16\bin\opencv_world480d.dll

8、另外一个小问题

实际运行的时候,我们还发现一个问题,这个exe还依赖于一个vc runtime dll文件,那就是vcruntime140_1d.dll。大家可以从这个地方下载,

复制代码
https://cn.dll-files.com/vcruntime140_1d.dll.html

9、编译测试

所有条件都准备好了,就可以开始测试了,直接运行后,如果可以看到这样的图片,那代表没什么问题了。想看到灰度图,就把if 1切换成if 0,

相关推荐
Juchecar42 分钟前
交叉熵:深度学习中最常用的损失函数
人工智能
林木森ai1 小时前
爆款AI动物运动会视频,用Coze(扣子)一键搞定全流程(附保姆级拆解)
人工智能·aigc
聚客AI1 小时前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
BeerBear3 小时前
【保姆级教程-从0开始开发MCP服务器】一、MCP学习压根没有你想象得那么难!.md
人工智能·mcp
小气小憩3 小时前
“暗战”百度搜索页:Monica悬浮球被“围剿”,一场AI Agent与传统巨头的流量攻防战
前端·人工智能
神经星星3 小时前
准确度提升400%!印度季风预测模型基于36个气象站点,实现城区尺度精细预报
人工智能
IT_陈寒6 小时前
JavaScript 性能优化:5 个被低估的 V8 引擎技巧让你的代码快 200%
前端·人工智能·后端
Juchecar6 小时前
一文讲清 PyTorch 中反向传播(Backpropagation)的实现原理
人工智能
黎燃6 小时前
游戏NPC的智能行为设计:从规则驱动到强化学习的演进
人工智能
机器之心7 小时前
高阶程序,让AI从技术可行到商业可信的最后一公里
人工智能·openai