探索.NET 6 下 WPF、OpenCVSharp 与 ReactiveUI 的奇妙之旅

这是一个使用.net 6 基于wpf 、OpencvSharp(opencv的.net wrapper)、ReactiveUI等开发的自用工具，主要用来做ReactiveUI与OpencvSharp学习过程中的尝试以及opencv算子参数的调试等，该程序还可以显示3D点云数据(目前程序中的点云数据是由格雷码条纹拍摄的照片反算生成了，还可以导入标准的3d格式的文件stl、obj、objz、ply、3ds、lwo、off)，还包含有opencv调用yolov4深度学习模型实现目标识别，本源码内包含部分解释

在技术的广袤天地里，总有人热衷于探索不同技术的融合，打造出既实用又充满趣味的工具。今天就来和大家分享一下我基于.NET 6，结合 WPF、OpenCVSharp 以及 ReactiveUI 开发的自用工具，这个工具就像是我的技术试验田，承载着我在学习与实践中的种种尝试。

开发背景与初衷

这个工具最初的构想，源于对 ReactiveUI 和 OpenCVSharp 的浓厚兴趣。在学习过程中，单纯的理论学习总是略显枯燥，不如通过实际项目来探索它们的各种可能性。同时，在进行计算机视觉相关开发时，经常需要调试 OpenCV 算子参数，而一个专门为此打造的工具就显得十分必要。

核心技术与代码实现

ReactiveUI 的运用

ReactiveUI 为我们带来了响应式编程的强大能力，让数据的流动与交互更加清晰自然。在项目中，我们可以通过以下代码来感受它的魅力。

csharp 复制代码

// 创建一个可观察的属性
public class MainWindowViewModel : ReactiveObject
{
    private string _message;
    public string Message
    {
        get => _message;
        set => this.RaiseAndSetIfChanged(ref _message, value);
    }

    public MainWindowViewModel()
    {
        // 示例：当某个条件满足时，更新消息
        this.WhenAnyValue(x => x.SomeProperty)
          .Where(x => x > 10)
          .Subscribe(_ => Message = "SomeProperty 大于 10 啦！");
    }
}

在这段代码中，ReactiveObject 是 ReactiveUI 提供的基础类，用于创建具有可观察属性的视图模型。RaiseAndSetIfChanged 方法会自动通知视图属性值发生了改变，而 WhenAnyValue 结合 Where 和 Subscribe 则实现了响应式逻辑，当 SomeProperty 大于 10 时，更新 Message 属性，视图会自动响应这个变化并更新显示。

OpenCVSharp 的魔法

OpenCVSharp 作为 OpenCV 的.NET 包装器，让我们可以在.NET 环境中方便地调用 OpenCV 的强大功能。例如，使用 OpenCV 进行图像的简单读取与显示：

csharp 复制代码

using OpenCvSharp;

class Program
{
    static void Main()
    {
        // 读取图像
        Mat image = Cv2.ImRead("test.jpg");
        if (image.Empty())
        {
            Console.WriteLine("无法读取图像");
            return;
        }

        // 显示图像
        Cv2.ImShow("Image", image);
        Cv2.WaitKey(0);
        Cv2.DestroyAllWindows();
    }
}

这里通过 Cv2.ImRead 方法读取图像文件，如果读取成功，就使用 Cv2.ImShow 方法显示图像，Cv2.WaitKey 用于等待用户按键，最后 Cv2.DestroyAllWindows 销毁所有显示窗口。在实际的工具开发中，这只是冰山一角，更多的是利用 OpenCV 的各种算子来处理图像数据，比如边缘检测、特征提取等，而这也是工具用于调试算子参数的核心功能。

深度学习目标识别（Yolov4）

在工具中，利用 OpenCV 调用 Yolov4 深度学习模型实现目标识别是一大亮点。虽然这部分代码相对复杂，但核心步骤大致如下：

csharp 复制代码

// 加载模型
Net net = Cv2.Dnn.ReadNetFromDarknet("yolov4.cfg", "yolov4.weights");
// 设置输入图像尺寸等参数
Mat blob = Cv2.Dnn.BlobFromImage(image, 1 / 255.0, new Size(416, 416), new Scalar(0, 0, 0), true, false);
net.SetInput(blob);
// 前向传播获取检测结果
Mat[] outs = net.Forward(net.GetUnconnectedOutLayersNames());

首先，通过 ReadNetFromDarknet 方法加载 Yolov4 的配置文件和权重文件，创建 Net 对象。然后，使用 BlobFromImage 方法将输入图像转换为适合模型输入的格式，设置好相关参数后，通过 SetInput 方法将数据输入模型，最后通过 Forward 方法进行前向传播，获取检测结果。当然，后续还需要对检测结果进行解析和绘制，以在图像上标注出检测到的目标。

3D 点云数据的显示

这个工具不仅局限于 2D 图像的处理，还具备显示 3D 点云数据的能力。目前程序中的点云数据来源多样，既可以由格雷码条纹拍摄的照片反算生成，也支持导入标准的 3D 格式文件，如 stl、obj、objz、ply、3ds、lwo、off 等。

在处理 3D 数据显示时，会用到一些 3D 图形库相关知识。例如，在 WPF 中可以借助 Helix Toolkit 来实现 3D 场景的渲染和点云数据的显示。虽然代码较多，但大致思路如下：

xml 复制代码

<helix:HelixViewport3D x:Name="viewport">
    <helix:ModelVisual3D>
        <helix:PointGeometryModel3D Points="{Binding PointCloudPoints}" />
    </helix:ModelVisual3D>
</helix:HelixViewport3D>

在 XAML 中定义一个 HelixViewport3D 作为 3D 场景的容器，然后通过 PointGeometryModel3D 来显示点云数据，这里的 PointCloudPoints 是视图模型中绑定的点云数据集合。在后台代码中，根据不同的点云数据来源，解析数据并填充到这个集合中，从而实现 3D 点云数据的可视化。

总结

这个基于.NET 6 的自用工具，融合了 WPF 的界面开发优势、OpenCVSharp 的计算机视觉能力以及 ReactiveUI 的响应式编程理念，同时还加入了 3D 点云数据显示和深度学习目标识别的功能，在学习与实践过程中收获颇丰。源码中也包含了部分解释，希望这个工具能给同样对这些技术感兴趣的朋友一些启发和帮助，一起在技术的海洋中畅游。

以上就是这个工具的大致情况啦，如果你有任何问题或者建议，欢迎在评论区留言交流！