C++椭圆检测论文复现 Ubuntu 22.04+Vscode+opencv3.4

复现的代码

本博客旨在复现论文《An Efficient High-quality Ellipse Detection》，该文章本来只有Matlab的代码实现，后来被islands翻译成了c++ 库，大家可以参考islands发在知乎上的文章高质量椭圆检测库，C++的代码链接。

使用环境

Ubuntu 22.04

bash 复制代码

lsb_release -a

Distributor ID:	Ubuntu
Description:	Ubuntu 22.04.4 LTS
Release:	22.04
Codename:	jammy

Cmake 3.22.1

bash 复制代码

cmake -version

cmake version 3.22.1

C++ 11.4.0

bash 复制代码

g++ -v

gcc version 11.4.0 (Ubuntu 11.4.0-1ubuntu1~22.04)

Opencv 3.4.9

bash 复制代码

pkg-config --modversion opencv

3.4.9

安装C++编译器

查看自己的C++编译器版本

bash 复制代码

cmake --version

cmake version 3.22.1

如果没有安装cmake，那么可以使用指令自行安装

bash 复制代码

sudo apt-get install cmake
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg.dev libtiff4.dev libswscale-dev libjasper-dev

安装opencv

通过官网，使用代码安装opencv https://github.com/opencv/opencv/releases

我选择了opencv3.4.9，选择最后的Source.code(tar.gz)进行下载。

下载完毕后放入合适的路径，进行解压。

之后创建release文件夹，并进行编译

bash 复制代码

mkdir release
cd release
cmake ..
sudo make
sudo make install

验证opencv是否安装成功

cpp 复制代码

#include <iostream>
#include <opencv2/opencv.hpp>
 
int main() {
    std::cout << "OpenCV version: " << CV_VERSION << std::endl;
    return 0;
}

卸载opencv

bash 复制代码

sudo make uninstall
cd ..
sudo rm -r build

安装Lapack

确定已安装gfortran

bash 复制代码

sudo apt-get install gfortran

源码安装Lapack，下载并解压

进行编译

bash 复制代码

cd lapack-3.9.1
mkdir build
cd build
cmake ..
make -j7
sudo make install
sudo ldconfig
cd ..
sudo cp LAPACKE/include/*.h /usr/local/include/

Ellipse detectieon C++库

完成基础环境的配置之后我们就可以去编译Ellipse detection了。参考库中的Readme进行安装。

bash 复制代码

git clone https://github.com/memory-overflow/standard-ellipse-detection.git
cd standard-ellipse-detection
mkdir build && cd build
cmake ..
make
sudo make install

出错'cv::Mat' to non-scalar type

！亲测：使用opencv3.3.0不会报错，因此使用opencv3.3.0时不需要修改代码。

如果你和我一样，那么可能会在camek时出现如下错误。

from 'cv::Mat' to non-scalar type 'CvMat' requested

根据错误的位置定位到，源代码位置： standard-ellipse-detection/src/cvcannyapi.cpp的307行，我们将之前的代码进行修改，修改后代码如下。参考博文

cpp 复制代码

  CvMat c_src = cvMat(src), c_dst = cvMat(_edges.getMat());
  CvMat c_dx = cvMat(_sobel_x.getMat());
  CvMat c_dy = cvMat(_sobel_y.getMat());

配置.vscode

c_cpp_properties.json

Ctrl+Shift+P -> C/C++:Edit Configurations(UI)，生成c_cpp_properties.json文件

IntelliSense mode选择 linux-gcc-x64,

在Include path中添加opencv的path，具体c_cpp_properties.json文件如下。

python 复制代码

{
    "configurations": [
        {
            "name": "Linux",
            "includePath": [
                "${default}",
                "/usr/local/include/opencv",
                "/usr/local/include/opencv2"
            ],
            "defines": [],
            "compilerPath": "/usr/bin/gcc",
            "cStandard": "c17",
            "cppStandard": "gnu++17",
            "intelliSenseMode": "linux-gcc-x64"
        }
    ],
    "version": 4
}

tasks.json

Ctrl+Shift+P -> Tasks: Configure Tasks，选择编译器，生成tasks.json文件。

在tasks.json中加入opencv库，Lapack库，以及刚刚安装的ellipse_detection库，tasks.json的示例如下，主要逐一args中的参数。"-lellipse_detection","`pkg-config","--libs","--cflags","opencv`","-llapacke","-llapack","-lblas","-lgfortran"。

"-lellipse_detection",

python 复制代码

{
    "tasks": [
        {
            "type": "cppbuild",
            "label": "C/C++: g++ build active file",
            "command": "/usr/bin/g++",
            "args": [
                "-fdiagnostics-color=always",
                "-g",
                "${file}",
                "-o",
                "${fileDirname}/${fileBasenameNoExtension}",
                "-lellipse_detection",
				"`pkg-config","--libs","--cflags","opencv`",
				"-llapacke",
				"-llapack",
				"-lblas",
				"-lgfortran"
            ],
            "options": {
                "cwd": "${fileDirname}"
            },
            "problemMatcher": [
                "$gcc"
            ],
            "group": {
                "kind": "build",
                "isDefault": true
            },
            "detail": "Task generated by Debugger."
        }
    ],
    "version": "2.0.0"
}

测试

我们使用作者提供的测试代码进行测试，代码位置在standard-ellipse-detection/test，我们对testdetect.cpp进行编译。如果顺利的话，那么就可以编译成功了。之后调用testdetect应用程序就可以看到椭圆检测以及之后的图了。

cpp 复制代码

./testdetect "/path/to/image"