OpenCV嵌入式图像处理(四)第一个OpenCV程序
2016-06-28 18:12
204 查看
在装完了OpenCV和CUDA之后很自然的事情就是先跑个程序看看库函数是否安装完毕。对于在Windows下习惯用Visual Studio的同志们来说,可能很多人还不知道可以不用IDE编程(至少我当年转Linux的时候就在想,用记事本写程序,那工程文件去哪了。。。),所有在这里首先介绍如何使用跨平台的IDE Qt 来编写第一个OpenCV程序,这可以帮助大家快速上手在Linux上使用OpenCV。当然Qt也有它的缺点,在以后的文章中,再和大家讨论如何用单纯的.cpp, .h文件和Makefile来构建程序。
1.1 Qt的命令安装方法
首先安装Qt工具箱
其次可以选择安装说明文档和Demo,鉴于这两个体积都比较大,国内Ubuntu源的速度又不好,不需要的小伙伴可以选择跳过。
1.2 应用商店安装方法
相比于命令行安装方法,应用商店的安装更加直观方便,这里只需要安装Qt Creator即可。
作为嵌入式平台,我们不需要编写类似于UI的用户界面,所以这里选择Qt 控制台项目。
2.2 配置qmake和编译器
在这里按照路径选择好编译器、qmake以及调试器。如果都选择正确了,qt前面的红色感叹号会消失。
3.1 在.pro(类似于工程文件)的最后添加如下代码:
INCLUDEPATH表示包含目录,LIBS表示库目录。因为只做测试用,所以库目录只添加了highgui、core和imgproc三个模块,如需要其他功能,请按照实际情况添加模块。
3.2 将main.cpp文件替换为以下代码:
3.3 点击左下角第一个绿色的按钮运行
如果没有问题的话,会显示出你所指定的图片。
万事开头难,运行成功第一个OpenCV程序之后,你就可以把之前在Windows上运行过的程序移植过来看看效果。他的编程方式和在Windows上 并没有太大区别,只是效率会低很多。后续我将为大家呈现如何使用OpenCV的GPU模块以及NVIDIA的VisionWorks为图像处理加速。
1. 安装Qt
Qt相对于Eclipse来说更接近于Windows用户熟悉的界面,不需要配置太繁琐的插架就可以进行编译和调试。安装Qt有各种各样的方法,由于笔者主要使用的是图像处理库函数中的API,不需要使用太多Qt本身的API,所以只需要安装Qt4即可。1.1 Qt的命令安装方法
首先安装Qt工具箱
sudo apt-get install qt4-dev-tools #开发包 sudo apt-get install qtcreator #IDE sudo apt-get install qt4-qtconfig #配置工具
其次可以选择安装说明文档和Demo,鉴于这两个体积都比较大,国内Ubuntu源的速度又不好,不需要的小伙伴可以选择跳过。
sudo apt-get install qt4-doc #开发帮助文档 sudo apt-get install qt4-demos #DEMO源码
1.2 应用商店安装方法
相比于命令行安装方法,应用商店的安装更加直观方便,这里只需要安装Qt Creator即可。
2. 配置工程文件
2.1 新建工程作为嵌入式平台,我们不需要编写类似于UI的用户界面,所以这里选择Qt 控制台项目。
2.2 配置qmake和编译器
在这里按照路径选择好编译器、qmake以及调试器。如果都选择正确了,qt前面的红色感叹号会消失。
3. 运行OpenCV程序
3.1 在.pro(类似于工程文件)的最后添加如下代码:
INCLUDEPATH += /usr/local/include \ /usr/local/include/opencv \ /usr/local/include/opencv2 LIBS += /usr/local/lib/libopencv_highgui.so \ /usr/local/lib/libopencv_core.so \ /usr/local/lib/libopencv_imgproc.so
INCLUDEPATH表示包含目录,LIBS表示库目录。因为只做测试用,所以库目录只添加了highgui、core和imgproc三个模块,如需要其他功能,请按照实际情况添加模块。
3.2 将main.cpp文件替换为以下代码:
#include <QCoreApplication> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> using namespace cv; int main(int argc, char *argv[]) { // QCoreApplication a(argc, argv); namedWindow( "src", WINDOW_AUTOSIZE ); Mat src1 = imread( "lena.jpg" );//图片储存路径 while(1) { imshow( "src", src1 ); char c = waitKey(30); if( 27==c ) return 0; } // return a.exec(); }
3.3 点击左下角第一个绿色的按钮运行
如果没有问题的话,会显示出你所指定的图片。
万事开头难,运行成功第一个OpenCV程序之后,你就可以把之前在Windows上运行过的程序移植过来看看效果。他的编程方式和在Windows上 并没有太大区别,只是效率会低很多。后续我将为大家呈现如何使用OpenCV的GPU模块以及NVIDIA的VisionWorks为图像处理加速。
相关文章推荐
- python中使用OpenCV进行人脸检测的例子
- opencv 做人脸识别 opencv 人脸匹配分析
- 使用opencv拉伸图像扩大分辨率示例
- Android Studio中配置OpenCV库开发环境的教程
- 基于C++实现kinect+opencv 获取深度及彩色数据
- visual studio 2012安装配置方法图文教程 附opencv配置教程
- OpenCV 2.4.3 C++ 平滑处理分析
- Python中使用OpenCV库来进行简单的气象学遥感影像计算
- 利用Python和OpenCV库将URL转换为OpenCV格式的方法
- python结合opencv实现人脸检测与跟踪
- Python环境搭建之OpenCV的步骤方法
- Python+Opencv识别两张相似图片
- Python实现OpenCV的安装与使用示例
- 在树莓派2或树莓派B+上安装Python和OpenCV的教程
- opencv-python学习一--人脸检测
- CUDA搭建
- 在Ubuntu上安装OpenCV3.0和Python-openCV的经历
- 使用 Java 开发 OpenCV 应用
- 一个程序来比较cuda/c在GPU/CPU的运行效率
- cuda之二维数组的高效内存管理(cudaMallocPitch/cudaMemcpy2D)