O'Reilly 的《Learning OpenCV》的例子果然还是过时了。书中使用的还是第一代的基于C的代码。于是一边照着书本,一边对照着官方手册,打算将书中的示例代码用OpenCV2的C++API重写一遍。
今天的内容有:
其中的页码对应清华大学出版社翻译的第一版《学习OpenCV》。
USAGE 宏和 namespace cliout 均在文件 cppcommon.hpp,相关代码如下:
// cppcommon.hpp #ifndef CPPCOMMON_HPP #define CPPCOMMON_HPP namespace cliout { using std::cout; using std::endl; using std::cerr; #define USAGE(expr, options) \ do {\ if (!(expr)) {\ cerr << "Usage: " << argv[0]\ << " " << options\ << endl;\ return 1;\ }\ } while (0) } #endif |
SCPP_XXX_ASSERT 宏在文件 scpp_assert.hpp下,就不给出了,不过可以使用下面的定义使代码正常运行:
// scpp_assert.hpp #ifndef SCPP_ASSERT_HPP #define SCPP_ASSERT_HPP #include <assert.h> #define SCPP_ASSERT(expr, msg) assert(expr) #define SCPP_TEST_ASSERT(expr, msg) assert(expr) #endif /*SCPP_ASSERT_HPP*/ |
第二代中,包含头文件"opencv2/opencv.hpp“将使用opencv的所有功能,也可以有选择性地包含需要的文件"opencv2/highgui.hpp“。
储存图像的数据类型不再是 IplImage 的指针, 使用 cv::Mat 即可。
读取图像的函数改为:
cv::imread( const string & FileName, int flag) |
其中,可选的 flag 有
创建窗口的函数改为
cv::namedWindow( const string & windowName, int flag) |
其中,可选的 flag 有
CV_WINDOW_NORMAL or CV_WINDOW_AUTOSIZE: normal 模式下可以手动调整窗口大小, 而 auto 模式(默认)下窗口将自动适应图像大小,无法手动调整。(gtk3, qt 下可用)
CV_WINDOW_FREERATIO or CV_WINDOW_KEEPRATIO: free_ratio 模式下调整图像时不考虑其比率, 而 keep_ratio 模式将保持图像的缩放比率 (qt下可用)
CV_GUI_NORMAL or CV_GUI_EXPANDED: expanded 模式下将显示额外的工具栏和按钮(NOTE:仅qt下可用)
由 cvWaitKey() 改为 cv::waitKey(), 变化不大
在C++API下,终于不用手动释放资源了。记得在MFC下绘图的时候,因为忘记释放DC,导致程序运行时 Stack Overflow,调试了两天才找出bug,实在不是什么美好的回忆。
示例 2-1 代码如下:
// Exp 02-01 Display Image in C++ style #include "opencv2/opencv.hpp" #include "cppcommon.hpp" #include <string> int main( int argc, char *argv[]) { using namespace cliout; using std::string; USAGE(argc==2, "ImageFile" ); string winName = "C++ Style OpenCV2!" ; cv::namedWindow(winName, CV_WINDOW_NORMAL); // show grayscale image cv::Mat img = cv::imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE); cv::imshow(winName, img); cv::waitKey(0); // show default color type image img = cv::imread(argv[1], CV_LOAD_IMAGE_COLOR); // default cv::imshow(winName, img); cv::waitKey(0); } |
同样,视频捕获的数据也从指针改成类 cv::VideoCapture 了。构造函数接受的参数有:
由capture类输出图像的方法现在可以使用重载的 operator>>(cv::Mat imageOut) ,示例如下:
cv::Mat img; cv::VideoCapture cap( "test.avi" ); cap >> img; |
grab()方法将抓取下一帧,retrieve()函数则将抓取的帧解码,如果抓取失败, retrieve()将返回 false。
double get(int PropertyID)和 bool set(int PropID, double value) 可以用来设置类内部的属性,可选的属性ID如下:
CV_CAP_PROP_POS_MSEC 当前位置(单位:ms)
CV_CAP_PROP_POS_FRAMES 当前位置(单位:帧数,从0开始计)
CV_CAP_PROP_POS_AVI_RATIO 当前位置(单位:比率, 0表示开始,1表示结尾)
CV_CAP_PROP_FRAME_WIDTH 帧宽度
CV_CAP_PROP_FRAME_HEIGHT 帧高度
CV_CAP_PROP_FPS 帧速率
CV_CAP_PROP_FOURCC 4-字符表示的视频编码(如:’M‘, ’J‘, ’P‘, ’G‘)
CV_CAP_PROP_FRAME_COUNT 总帧数
CV_CAP_PROP_FORMAT retrieve().调用返回的矩阵格式
CV_CAP_PROP_MODE 后端变量指示的当前捕获的模式
CV_CAP_PROP_BRIGHTNESS 明亮度(仅用于摄像头)
CV_CAP_PROP_CONTRAST 对比度(仅用于摄像头)
CV_CAP_PROP_SATURATION 饱和度(仅用于摄像头)
CV_CAP_PROP_HUE 色调(仅用于摄像头)
CV_CAP_PROP_GAIN 增益(仅用于摄像头)
CV_CAP_PROP_EXPOSURE 曝光度 (仅用于摄像头)
CV_CAP_PROP_CONVERT_RGB 是否应该将图像转化为RGB图像(布尔值)
CV_CAP_PROP_WHITE_BALANCE 白平衡(暂不支持 v2.4.3)
CV_CAP_PROP_RECTIFICATION 立体摄像头标定 (目前仅支持 DC1394 v 2.x 后端)
相关函数有:
int createTrackbar( const string& trackbarname, const string& winname, int * value, int count, TrackbarCallback onChange=0, void * userdata=0) int getTrackbarPos( const string& trackbarname, const string& winname) void setTrackbarPos( const string& trackbarname, const string& winname, int pos) |
构造函数中,value指示当前的滚动条坐标,count指示坐标的最大值(最小值为0),onChange指向坐标改变时的回调函数,而userdata将作为参数传递给回调函数。
回调函数的签名如下:
void foo( int pos, void * userdata) |
其中,pos指示滚动条当前坐标。
// Exp 02-02~03 Video Player #include "opencv2/opencv.hpp" #include "cppcommon.hpp" #include "scpp_assert.hpp" #include <string> void onTrackbarChange( int pos, void * userdata) { cv::VideoCapture cap = * (cv::VideoCapture *) userdata; cap.set(CV_CAP_PROP_POS_FRAMES, pos); } int main( int argc, char *argv[]) { using namespace cliout; using std::string; USAGE(argc==2, "VideoFile" ); string winName = "Video Player" ; cv::namedWindow(winName); cv::VideoCapture cap(argv[1]); SCPP_ASSERT(cap.isOpened(), "Can not open Video Capture from file: " << argv[1]); int frameCount = cap.get(CV_CAP_PROP_FRAME_COUNT); SCPP_ASSERT(frameCount > 0 && cap.grab(), "Bad Video File: " << argv[1] << "with frame count " << frameCount); int fps = cap.get(CV_CAP_PROP_FPS); int mspf = 1000 / fps; string trackbarName = "Progress" ; int pos = 0; cv::createTrackbar( /* tbName = */ trackbarName, /* winName = */ winName, /* current pos = */ &pos, /* max pos = */ frameCount, // void callback(int pos, void* userdata) /* callback = */ onTrackbarChange, /* userdata = */ ( void *) &cap ); cv::Mat frame; while (pos < frameCount) { cap >> frame; cv::imshow(winName, frame); cv::setTrackbarPos(trackbarName, winName, ++pos); char c = cv::waitKey(mspf); if (std:: tolower (c) == 'q' ) break ; } } |
第一代中的 cvSmooth() 已经被舍弃,取而代之的是 cv::blur(), cv::GaussianBlur() 等一系列函数。下面仅讲解GaussianBlur(),其原型如下:
cv::GaussianBlur(InputArray src, OutputArray dest, cv::Size ksize, int SigmaX, int SigmaY) |
InputArray 和 OutputArray 可以看作是OpenCV 对 Mat 类型进行读/写权限设置以防止误操作,这个工作是自动完成的,用户只需要填入Mat类型的参数即可,不需要自行定义 InputArray 和 OutputArray 类型的变量。
其中,ksize 指示核(kernel)的大小, 如果Size被设置为0, 核的尺寸将由 SigmaX 和 SigmaY 自动推导。
示例代码如下:
// Exp 02-04 Gaussian Smooth #include "opencv2/opencv.hpp" #include "cppcommon.hpp" #include "scpp_assert.hpp" #include <string> int main( int argc, char *argv[]) { using namespace cliout; using cv::Mat; using std::string; USAGE(argc == 2, "ImageFile" ); Mat imgIn = cv::imread(argv[1]); SCPP_ASSERT(!imgIn.empty(), "Bad Image File: " << argv[1]); // Do some Image Processing Mat imgOut; cv::GaussianBlur(imgIn, imgOut, /* Kernel Size = */ cv::Size(0,0), // if set to 0, it's computed from sigma /* Sigma X = */ 3, /* Sigma Y = */ 3); // Display string winIn ( "Original Image" ), winOut( "After Gaussion Blur" ); cv::namedWindow(winIn, CV_WINDOW_NORMAL); cv::imshow(winIn, imgIn); cv::waitKey(0); cv::namedWindow(winOut, CV_WINDOW_NORMAL); cv::imshow(winOut, imgOut); cv::waitKey(0); } |
联系客服