OpenCV 基本使用

OpenCV 基本使用

参考教程:

GitHub - gaoxiang12/slambook2: edition 2 of the slambook

1. 安装 OpenCV

1.1 下载 OpenCV

参考教程:

无法定位软件包libjasper-dev的解决办法-CSDN博客

视觉slam14讲ch5 opencv安装 ubuntu20.04_libvtk5-dev-CSDN博客

OpenCV提供了大量的开源图像算法,是计算机视觉领域使用极广的图像处理算法库。在Ubuntu系统下,OpenCV有从源代码安装和只安装库文件两种方式可以选择:

(1)从源代码安装,是指从OpenCV网站下载所有的OpenCV源代码,并在机器上编译以便使用。好处是可以选择的版本比较丰富,而且也能看到源代码,不过需要花费一些编译时间。

(2)只安装库文件,是指通过Ubuntu安装由Ubuntu社区人员已经编译好的库文件,无须重新编译一遍。

因为我们使用较新版本的OpenCV,所以必须选择从源代码安装的方式来安装它。一来,可以调整一些编译选项,匹配编程环境(例如,需不需要GPU加速等);再者,可以使用一些额外的功能。OpenCV目前维护三个主要版本,分为OpenCV2.4系列、OpenCV 3系列和OpenCV 4系列。当前使用OpenCV 3系列。

从如下网站中下载源代码:

Releases - OpenCV

页面下滑,选择OpenCV -- 3.4.16版本,点击"Sources"进行下载

下载得到如下的压缩包

opencv-3.4.16.zip文件拖拽至虚拟机的home文件夹下:

点击opencv-3.4.16.zip文件,右键,选择"提取到此处"

1.2 配置依赖项并编译

编译之前,先来安装OpenCV的依赖项:

cpp 复制代码
rosnoetic@rosnoetic-VirtualBox:~$ sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"

rosnoetic@rosnoetic-VirtualBox:~$ sudo apt update

rosnoetic@rosnoetic-VirtualBox:~$ sudo apt upgrade

rosnoetic@rosnoetic-VirtualBox:~$ sudo apt-get install build-essential libgtk2.0-dev libvtk6-dev libjpeg-dev libtiff5-dev libjasper-dev libopenexr-dev libtbb-dev libcanberra-gtk-module

事实上,OpenCV的依赖项很多,缺少某些编译项会影响它的部分功能。OpenCVcmake阶段检查依赖项是否会安装,并调整自己的功能。如果电脑上有GPU并且安装了相关依赖项,OpenCV也会把GPU加速打开。不过当前,上述依赖项已经足够了。

安装完依赖项后进行编译:

cpp 复制代码
rosnoetic@rosnoetic-VirtualBox:~$ cd opencv-3.4.16/

rosnoetic@rosnoetic-VirtualBox:~/opencv-3.4.16$ mkdir build

rosnoetic@rosnoetic-VirtualBox:~/opencv-3.4.16$ cd build/

rosnoetic@rosnoetic-VirtualBox:~/opencv-3.4.16/build$ cmake ..

接着进行编译

cpp 复制代码
rosnoetic@rosnoetic-VirtualBox:~/opencv-3.4.16/build$ make

整个编译过程大概需要二十分钟到一小时不等。

make之后,调用sudo make installOpenCV安装到电脑上(而不是仅仅编译)。

cpp 复制代码
rosnoetic@rosnoetic-VirtualBox:~/opencv-3.4.16/build$ sudo make install

2. 操作 OpenCV 图像

2.1 编写 imageBasics 函数

2.1.1 创建文件夹

通过终端创建一个名为imageBasics的文件夹以保存我们的VSCode项目,在/imageBasics目录下打开vscode

cpp 复制代码
rosnoetic@rosnoetic-VirtualBox:~$ mkdir -p imageBasics

rosnoetic@rosnoetic-VirtualBox:~$ cd imageBasics/

rosnoetic@rosnoetic-VirtualBox:~/imageBasics$ code .

2.1.2 编写源代码

新建文件imageBasics.cpp

imageBasics.cpp粘贴如下代码并保存(Ctrl+S)

cpp 复制代码
#include <iostream>
#include <chrono>

using namespace std;

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>

int main(int argc, char argv) {
    // 读取argv[1]指定的图像
    cv::Mat image;
    //cv::image函数读取制定路径下的图像
    image = cv::imread(argv[1]);

    // 判断图像文件是否正确读取
    if (image.data == nullptr) {
        // 数据不存在,可能是文件不存在
        cerr << "文件" << argv[1] << "不存在" <<endl;
        return 0;
    }

    // 文件顺利读取,首先输出一些基本信息
    cout << "图像宽为: " << image.cols << ",高为: " << image.rows
              << ",通道数为" << image.channels() << endl;
    cv::imshow("image",image);   // cv::imshow显示图像
    cv::waitKey(0);   // 暂停程序,等待一个按键输入

    // 判断imgae的类型
    if (image.type() != CV_8UC1 && image.type() != CV_8UC3) {
        // 图像类型不符合要求
        cout << "请输入一张彩色图或灰度图" << endl;
        return 0;
    }

    // 遍历图像,请注意以下遍历方式也使用于随机像素访问
    // 使用std::chrono给算法计时
    chrono::steady_clock::time_point t1 = chrono::steady_clock::now();
    for (size_t y = 0; y < image.rows; y++) {
        // 用cv::Mat::ptr获得图像的行指针,<unsigned char>指定类型,(y)是一个索引值,表示我们要访问的行数
        unsigned char *row_ptr = image.ptr<unsigned char>(y);
        for (size_t x = 0; x < image.cols; x++) {
            // 访问位于x,y处的像素
            unsigned char *data_ptr = &row_ptr[x * image.channels()];   // data_ptr指针指向待访问的像素数据
            // 输出该像素的每个通道,如果是灰度图,那么通道是1
            for (int c = 0; c != image.channels(); c++) {
                unsigned char data = data_ptr[c];   // data为I(x,y)第c个通道的像素值
            }
        }
    }
    chrono::steady_clock::time_point t2 = chrono::steady_clock::now();
    // 计算消耗时间
    chrono::duration<double> time_used = chrono::duration_cast<chrono::duration<double>> (t2-t1);
    cout << "遍历图所用时间: " << time_used.count() << "秒。"<< endl;

    // 关于cv::Mat的拷贝
    // 直接赋值并不会拷贝数据
    cv::Mat image_another = image;
    // 此时修改image_another,会导致image发生变化
    image_another(cv::Rect(0, 0, 100, 100)).setTo(0);   // 将左上角100*100的块置为0
    cv::imshow("image",image);
    cv::waitKey(0);

    // 使用clone深拷贝复制数据
    cv::Mat image_clone = image.clone();
    image(cv::Rect(0, 0, 100, 100)).setTo(255);
    cv::imshow("image", image);
    cv::imshow("image_clone", image_clone);
    cv::waitKey(0);

    // 删除所有的窗口
    cv::destroyAllWindows();

    return 0;
}

2.2 新建 CMakeLists.txt 文件

新建CMakeLists.txt文件

CMakeLists.txt中添加如下内容:

cpp 复制代码
# 声明要求的cmake最低版本
cmake_minimum_required(VERSION 2.8)

# 声明一个cmake工程
project(IMAGEBASICS)

# 添加C++ 11支持
set(CMAKE_CXX_FLAGS "-std=c++11")

# 寻找OpenCV库
find_package( OpenCV REQUIRED)
# 添加头文件
include_directories(${OpenCV_INCLUDE_DIRS})

add_executable(imageBasics imageBasics.cpp)
# 链接OpenCV库
target_link_libraries(imageBasics ${OpenCV_LIBS})

由于程序中使用了C++11标准(如nullptrchrono),因此需要设置编译器set(CMAKE_CXX_FLAGS "-std=c++11")

2.3 cmake 编译

ctrl+alt+T打开终端,执行如下指令进行cmake编译

cpp 复制代码
rosnoetic@rosnoetic-VirtualBox:~$ cd imageBasics/

rosnoetic@rosnoetic-VirtualBox:~/imageBasics$ mkdir build

rosnoetic@rosnoetic-VirtualBox:~/imageBasics$ cd build/

rosnoetic@rosnoetic-VirtualBox:~/imageBasics/build$ cmake ..

我们新建了一个中间文件夹"build",然后进入build文件夹,通过cmake ..命令对上一层文件夹,也就是代码所在的文件夹进行编译。这样,cmake产生的中间文件就会生成在build文件夹中,如下图所示,和源代码分开。

接着make对工程进行编译

cpp 复制代码
rosnoetic@rosnoetic-VirtualBox:~/imageBasics/build$ make

2.4 运行

ubuntu.png文件拖拽至imageBasics/build文件夹下

进一步的调用可执行文件:

cpp 复制代码
rosnoetic@rosnoetic-VirtualBox:~/imageBasics/build$ ./imageBasics ubuntu.png 

依次显示如下内容:

image窗口,按enter键执行下一个程序(也就是停留在了cv::waitKey()

相关推荐
ZOMI酱1 分钟前
【AI系统】GPU 架构与 CUDA 关系
人工智能·架构
deephub8 分钟前
使用 PyTorch-BigGraph 构建和部署大规模图嵌入的完整教程
人工智能·pytorch·深度学习·图嵌入
Beau_Will13 分钟前
数据结构-树状数组专题(1)
数据结构·c++·算法
deephub40 分钟前
优化注意力层提升 Transformer 模型效率:通过改进注意力机制降低机器学习成本
人工智能·深度学习·transformer·大语言模型·注意力机制
hunandede1 小时前
av_image_get_buffer_size 和 av_image_fill_arrays
c++
搏博1 小时前
神经网络问题之二:梯度爆炸(Gradient Explosion)
人工智能·深度学习·神经网络
KGback1 小时前
【论文解析】HAQ: Hardware-Aware Automated Quantization With Mixed Precision
人工智能
电子手信1 小时前
知识中台在多语言客户中的应用
大数据·人工智能·自然语言处理·数据挖掘·知识图谱
不高明的骗子1 小时前
【深度学习之一】2024最新pytorch+cuda+cudnn下载安装搭建开发环境
人工智能·pytorch·深度学习·cuda
Chef_Chen1 小时前
从0开始学习机器学习--Day33--机器学习阶段总结
人工智能·学习·机器学习