上位机图像处理和嵌入式模块部署（qmacvisual非opencv算法编写）

我们都知道，qmacvisual本身依赖于qt+opencv的实现。大部分的界面都是依赖于qt的实现。图像算法部分，也是大部分都依赖于opencv本身。但是，也有很多的算法，本身opencv是没有实现的，或者opencv的实现不满足我们的需求。这个时候，就需要我们自己利用cv::Mat结构来对像素进行一个一个的处理。今天，我们可以借着学习图像细化的机会，来看看怎么编写非opencv算法。

1、创建项目和创建流程

首先，还是根据qmacvisual的要求去创建项目和创建流程。

2、导入图像细化控件

图像细化控件的位置，在图像处理下面。用户可以直接用鼠标拖拉过来，如果不出意外，我们就可以看到这样的窗口，

图像中有两个地方需要配置，一个是输入的图像，一个是需要迭代的次数。我们看到，迭代之后的结果就是这样的一个细长的线条。大家可以想象下，它之前的图象是什么样的，

大家可以通过对比发现，整个图像细化的效果还是比较明显的。

3、完善测试流程

一般测试的时候，会添加一个图像显示的插件，这样流程比较完整一点。所以，最后整体的流程是这样的，

4、分析图像实现的实现

如果只是简单地分析功能，整个图像处理的流程还是比较简单的。我们比较关注的，更多的是整个功能怎么实现的。前面说过，它的算法是通过具体像素操作实现的，而不是opencv自带的算法。所以，在对应的实现函数中看到了这样的代码。

访问单个元素的话，可以这样来访问，即通过i和j，

复制代码

cv::Mat dst;
dst.at<uchar>(i, j) = 0;

代码中dst是cv::Mat结构。这种方法看上去没有什么问题，但是如果连续访问的话，效率比较低。因此，还有一种方法，就是通过首地址，即先访问一个元素的地址，后续通过这个地址来访问其他的像素。

复制代码

cv::Mat tmpimg;
uchar* img = tmpimg.data;

5，另外一种需要自定义算法的情形

如果opencv中没有相关的算法，这个时候用c/c++语言来实现，无可厚非。但是还有一种也是比较常见的，那就是opencv本身已经实现了相关的算法，但是我们用c/c++还要实现一遍。甚至很多的时候，还用汇编改写一遍。这里面最大的考虑就是效率。因为opencv里面的算法，主要是基于c/c++高级语言来完成的，它没有办法考虑不同硬件平台的差异。这个时候，为了提高算法的运行效率，最大化使用硬件的性能，改写opencv已有的算法也是常有的事情。