opencv笔记1:opencv的基本模块,以及环境搭建

opencv笔记1:opencv的基本模块,以及环境搭建

安装系统

使用fedora22-workstation-x86_64

安装opencv

sudo dnf install opencv-devel

安装cmake

sudo dnf install cmake

查看opencv的基本模块

cd /usr/include/opencv2/
vim opencv_modules.hpp

内容如下:

#define HAVE_OPENCV_CALIB3D
#define HAVE_OPENCV_CONTRIB
#define HAVE_OPENCV_CORE
#define HAVE_OPENCV_FEATURES2D
#define HAVE_OPENCV_FLANN
#define HAVE_OPENCV_GPU
#define HAVE_OPENCV_HIGHGUI
#define HAVE_OPENCV_IMGPROC
#define HAVE_OPENCV_LEGACY
#define HAVE_OPENCV_ML
#define HAVE_OPENCV_OBJDETECT
#define HAVE_OPENCV_OCL
#define HAVE_OPENCV_PHOTO
#define HAVE_OPENCV_STITCHING
#define HAVE_OPENCV_SUPERRES
#define HAVE_OPENCV_TS
#define HAVE_OPENCV_VIDEO
#define HAVE_OPENCV_VIDEOSTAB

对应着opencv这个计算机视觉代码库中的所有模块:
calib3d calibration(校准)+三维重建
contrib contribution 最近新添加的特性 先不管它
core 核心模块
features2d 特征检测/描述子提取
flann fast library for approximate nearest neighbors
gpu GPU加速(nvidia卡)
highgui 高层的GUI操作(跟算法没啥关系)
improc image processing 图像处理模块
legacy 废弃堆,用于向下兼容
ml machine learning,包括统计模型和分类算法
obj_detect 目标检测
ocl opencl加速
photo 图像修复、去噪
stiching 图像拼接
superres super resolution 超分辨率
ts test 测试模块,不用管
video 视频分析组件
videostab video stabilization 视频稳定相关组件

这些模块中,core、imgproc、features2d是最基本的,ml和flann是机器学习相关的。对我而言gpu和opencl的可以不看。

配置clion

使用JetBrain公司的CLion作为IDE,它使用cmake构建工程,使用细节上比QtCreator好用些。
下载clion后解压,然后进行破解工作:下载crack文件,解压后进入目录执行:

java -jar build/libs/JetbrainsPatchKeygen-1.0.jar

输入你当前登录的系统中的用户名,以及clion安装绝对路径,生成的license复制好,打开clion目录中的bin/clion.sh,在GUI提示界面中贴上去。

配置搜索项

为了能在图形界面的搜索框中找到clion,就像找到gedit一样,找到结果后能用鼠标打开而不是每次都用命令行打开,配置.desktop文件.
在fedora22下,创建/usr/share/applications/clion.desktop文件,内容如下:

[Desktop Entry]
Version=1.0
Type=Application
Name=CLion
GenericName=IDE
Exec=/opt/clion/bin/clion.sh
Terminal=false
MimeType=text/plain;
Icon=clion
Categories=IDE
StartupNotify=true

用clion+opencv写hello world

新建工程,首先修改CMakeLists.txt,在最后一行add_executable一行前后,分别插入如下两行内容:

find_package(OpenCV REQUIRED)
target_link_libraries(${PROJECT_NAME} ${OpenCV_LIBS})

比如我的工程叫opencv_test,我的完整的CMakeLists.txt内容为:

cmake_minimum_required(VERSION 3.2)
project(opencv_test)

set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++11")

set(SOURCE_FILES main.cpp)
find_package(OpenCV REQUIRED)
add_executable(opencv_test ${SOURCE_FILES} source_file.h source_file.cpp)
target_link_libraries(${PROJECT_NAME} ${OpenCV_LIBS})

main.cpp中写一段读取图片并显示的代码:

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main(){
    Mat image = imread("/home/chris/workspace/clion/lena.jpg");
    imshow("lena图像", image);
    waitKey(0);
    destroyAllWindows();
    return 0;
}

注意到IDE右上方的Buid All字样,先点左边的向下箭头,这是执行cmake和make;然后会弹窗让你确认配置;最后点右边的小三角执行run。

时间: 2024-09-20 06:00:39

opencv笔记1:opencv的基本模块,以及环境搭建的相关文章

Python学习笔记(一)(基础入门之环境搭建)_python

  Python入门       本系列为Python学习相关笔记整理所得,IT人,多学无害,多多探索,激发学习兴趣,开拓思维,不求高大上,只求懂点皮毛,作为知识储备,不至于落后太远.      本文主要介绍Python的相关背景,环境搭建. 一.了解Python      1,关于Python的语言特点:      借用Python官网Https://www.python.org的解释: Python is powerful... and fast; plays well with other

Android开发自学笔记(基于Android Studio1.3.1)—1.环境搭建(转)

  一.引言    本套学习笔记的开发环境是Windows 10 专业版和Android Studio 的最新版1.3.1. Android Studio 是一个Android开发环境,基于IntelliJ IDEA. 类似 Eclipse ADT,Android Studio 提供了集成的 Android 开发工具用于开发和调试.      笔者没有怎么使用过Eclipse做Android学习,但是基于Android Studio类似于VS的项目架构,还是偏爱Android Studio这个I

目标跟踪学习笔记_1(opencv中meanshift和camshift例子的应用)

在这一节中,主要讲目标跟踪的一个重要的算法Camshift,因为它是连续自使用的meanShift,所以这2个函数opencv中都有,且都很重要.为了让大家先达到一个感性认识.这节主要是看懂和运行opencv中给的sample并稍加修改.      Camshift函数的原型为:RotatedRect CamShift(InputArray probImage, Rect& window, TermCriteria criteria).      其中probImage为输入图像直方图的反向投影

opencv笔记3:trackbar简单使用

time:2015年 10月 03日 星期六 13:54:17 CST # opencv笔记3:trackbar简单使用 当需要测试某变量的一系列取值取值会产生什么结果时,适合用trackbar.看起来就是debug的一种技术手段了. 主要是使用createTrackbar函数.具体讲,是把trackbar放到一个窗口中,并为trackbar设定回调函数,步骤还是有点繁琐的: 定义图像 定义窗口 定义回调函数 创建trackbar 回调函数初始化 善后工作 其中回调函数参数规定为(int, vo

opencv笔记6:角点检测

time:2015年10月09日 星期五 23时11分58秒 # opencv笔记6:角点检测 update:从角点检测,学习图像的特征,这是后续图像跟踪.图像匹配的基础. 角点检测是什么鬼?前面一篇学习笔记是各种模板操作,是图像增强技术. 那么我节写来应该继续找下有没有别的图像增强技术. 但是,我对增强还不是特别理解.图像增强:划定ROI区域,然后想方设法将感兴趣的特征有选择的突出.注意,这可是不去考虑图像质量下降的原因的.图像恢复:针对图像降质的原因,设法去补偿降质因素,从而使改善后的图像尽

opencv笔记5:频域和空域的一点理解

time:2015年10月06日 星期二 12时14分51秒 # opencv笔记5:频域和空域的一点理解 空间域和频率域 傅立叶变换是f(t)乘以正弦项的展开,正弦项的频率由u(其实是miu)的值决定.因为积分后左边剩下的为一变量是频率,所以我们说傅立叶变换域是频率域. (<数字图像处理>冈萨雷斯,中文第三版P128) 当变量t用于说明图像时,我们一般将变量t的域称为空间域. 按<图像处理>(章毓晋)的理解,首先是认同模板操作的,然后借助卷积定理,将模板操作转化为傅立叶的乘积,也

opencv笔记2:图像ROI

time:2015年 10月 03日 星期六 12:03:45 CST # opencv笔记2:图像ROI ROI ROI意思是Region Of Interests,感兴趣区域,是一个图中的一个子区域. OpenCV中定义的ROI是矩形的. ROI的用处包括而不限于:提取出ROI区域做进一步处理(比如人脸识别.车牌识别):将另一张图片贴放到ROI区域. 这里以第二种用处为例,将一个logo图像添加到一张大图上指定的ROI区域. 图像贴放 粗略想想,包括这四个步骤 定义大图和小图 在大图上定义R

opencv笔记4:模板运算和常见滤波操作

time:2015年10月04日 星期日 00时00分27秒 # opencv笔记4:模板运算和常见滤波操作 这一篇主要是学习模板运算,了解各种模板运算的运算过程和分类,理论方面主要参考<图像工程--图像处理>(章毓晋)一书第3章,空域增强:模板操作.同时也有个疑问:此书第四章,频域图像增强,讲了低通滤波和高通滤波,然而这些东西和模板运算中的平滑.锐化操作有什么区别?... 以下是正文: 模板运算 首先我们把所有图像看作矩阵. 模板一般是nxn(n通常是3.5.7.9等很小的奇数)的矩阵.模板

针对于Python的OpenCV环境搭建

OpenCV 依赖 下载OpenCV 配置 总结 给Python搭建opencv的环境还真是略嫌麻烦,于是做下笔记,以备不时之需. OpenCV 依赖 opencv有些依赖,我们必须安装一下,否则接下来的opencv配置就有可能出现一些问题了.具体如下: NumPy:pip install numpy 即可 SciPy11.0: scipy-0.11.0-win32-superpack-python2.7比较推荐,但是这个module可以不装的 下载OpenCV 下载链接.唯一需要注意的是下载对