zoukankan      html  css  js  c++  java
  • OpenCV 如何生成能在无OpenCV环境下运行的exe

    我们经常遇到这样的需求:我们在VS写好的程序,需要在一个没有装opencv甚至没有装vs的电脑下运行,跑出效果。比如,你在你的电脑用opencv+vs2015写出一个程序,然后老师叫你把程序发给他,他要看看功能实现的怎么样。老师的电脑肯定没有整套的开发环境的,如果你想只把代码发给他,让他自己编译,肯定会出现问题。所以,我们需要掌握如何生成一个不依赖开发环境的exe的方法。

    下面将以一个实际例子说明如何生成一个不依赖开发环境的exe的方法。

    比如我现在在VS2015下实现了一个图像拼接功能的程序

      1 #include "highgui/highgui.hpp"    
      2 #include "opencv2/nonfree/nonfree.hpp"    
      3 #include "opencv2/legacy/legacy.hpp"   
      4 #include <iostream>  
      5 
      6 using namespace cv;
      7 using namespace std;
      8 
      9 void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst);
     10 
     11 typedef struct
     12 {
     13     Point2f left_top;
     14     Point2f left_bottom;
     15     Point2f right_top;
     16     Point2f right_bottom;
     17 }four_corners_t;
     18 
     19 four_corners_t corners;
     20 
     21 void CalcCorners(const Mat& H, const Mat& src)
     22 {
     23     double v2[] = { 0, 0, 1 };//左上角
     24     double v1[3];//变换后的坐标值
     25     Mat V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
     26     Mat V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
     27 
     28     V1 = H * V2;
     29     //左上角(0,0,1)
     30     cout << "V2: " << V2 << endl;
     31     cout << "V1: " << V1 << endl;
     32     corners.left_top.x = v1[0] / v1[2];
     33     corners.left_top.y = v1[1] / v1[2];
     34 
     35     //左下角(0,src.rows,1)
     36     v2[0] = 0;
     37     v2[1] = src.rows;
     38     v2[2] = 1;
     39     V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
     40     V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
     41     V1 = H * V2;
     42     corners.left_bottom.x = v1[0] / v1[2];
     43     corners.left_bottom.y = v1[1] / v1[2];
     44 
     45     //右上角(src.cols,0,1)
     46     v2[0] = src.cols;
     47     v2[1] = 0;
     48     v2[2] = 1;
     49     V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
     50     V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
     51     V1 = H * V2;
     52     corners.right_top.x = v1[0] / v1[2];
     53     corners.right_top.y = v1[1] / v1[2];
     54 
     55     //右下角(src.cols,src.rows,1)
     56     v2[0] = src.cols;
     57     v2[1] = src.rows;
     58     v2[2] = 1;
     59     V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
     60     V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
     61     V1 = H * V2;
     62     corners.right_bottom.x = v1[0] / v1[2];
     63     corners.right_bottom.y = v1[1] / v1[2];
     64 
     65 }
     66 
     67 int main(int argc, char *argv[])
     68 {
     69     Mat image01 = imread(".\src_pic\right.jpg", 1);    //右图
     70     Mat image02 = imread(".\src_pic\left.jpg", 1);    //左图
     71     imshow("p2", image01);
     72     imshow("p1", image02);
     73 
     74     //灰度图转换  
     75     Mat image1, image2;
     76     cvtColor(image01, image1, CV_RGB2GRAY);
     77     cvtColor(image02, image2, CV_RGB2GRAY);
     78 
     79 
     80     //提取特征点    
     81     SurfFeatureDetector surfDetector(800);  // 海塞矩阵阈值,在这里调整精度,值越大点越少,越精准 
     82     vector<KeyPoint> keyPoint1, keyPoint2;
     83     surfDetector.detect(image1, keyPoint1);
     84     surfDetector.detect(image2, keyPoint2);
     85 
     86     //特征点描述,为下边的特征点匹配做准备    
     87     SurfDescriptorExtractor SurfDescriptor;
     88     Mat imageDesc1, imageDesc2;
     89     SurfDescriptor.compute(image1, keyPoint1, imageDesc1);
     90     SurfDescriptor.compute(image2, keyPoint2, imageDesc2);
     91 
     92     //获得匹配特征点,并提取最优配对     
     93     FlannBasedMatcher matcher;
     94     vector<DMatch> matchePoints;
     95     matcher.match(imageDesc1, imageDesc2, matchePoints, Mat());
     96     cout << "total match points: " << matchePoints.size() << endl;
     97    // sort(matchePoints.begin(), matchePoints.end()); //特征点排序    
     98 
     99     Mat img_match;
    100     drawMatches(image01, keyPoint1, image02, keyPoint2, matchePoints, img_match);
    101     imshow("match points",img_match);
    102 
    103     //获取排在前N个的最优匹配特征点  
    104     vector<Point2f> imagePoints1, imagePoints2;
    105 
    106     for (int i = 0; i<matchePoints.size(); i++)
    107     {
    108         imagePoints1.push_back(keyPoint1[matchePoints[i].queryIdx].pt);
    109         imagePoints2.push_back(keyPoint2[matchePoints[i].trainIdx].pt);
    110     }
    111 
    112 
    113 
    114     //获取图像1到图像2的投影映射矩阵 尺寸为3*3  
    115     Mat homo = findHomography(imagePoints1, imagePoints2, CV_RANSAC);
    116     ////也可以使用getPerspectiveTransform方法获得透视变换矩阵,不过要求只能有4个点,效果稍差  
    117     //Mat   homo=getPerspectiveTransform(imagePoints1,imagePoints2);  
    118     cout << "变换矩阵为:
    " << homo << endl << endl; //输出映射矩阵      
    119 
    120     //计算配准图的四个顶点坐标
    121     CalcCorners(homo, image01);
    122     cout << "left_top:" << corners.left_top << endl;
    123     cout << "left_bottom:" << corners.left_bottom << endl;
    124     cout << "right_top:" << corners.right_top << endl;
    125     cout << "right_bottom:" << corners.right_bottom << endl;
    126 
    127     //图像配准  
    128     Mat imageTransform1, imageTransform2;
    129     warpPerspective(image01, imageTransform1, homo, Size(MAX(corners.right_top.x, corners.right_bottom.x),image02.rows));
    130     //warpPerspective(image01, imageTransform2, adjustMat*homo, Size(image02.cols*1.3, image02.rows*1.8));
    131     imshow("直接经过透视矩阵变换", imageTransform1);
    132     imwrite(".\dst_pic\trans1.jpg", imageTransform1);
    133 
    134 
    135     //创建拼接后的图,需提前计算图的大小
    136     int dst_width = imageTransform1.cols;  //取最右点的长度为拼接图的长度
    137     int dst_height = image02.rows;
    138 
    139     Mat dst(dst_height, dst_width,CV_8UC3);
    140     dst.setTo(0);
    141 
    142     imageTransform1.copyTo(dst(Rect(0, 0, imageTransform1.cols, imageTransform1.rows)));
    143     image02.copyTo(dst(Rect(0, 0, image02.cols, image02.rows)));
    144 
    145     OptimizeSeam(image02, imageTransform1, dst);
    146 
    147 
    148     imshow("dst", dst);
    149     imwrite(".\dst_pic\dst.jpg", dst);
    150 
    151     waitKey();
    152 
    153     return 0;
    154 }
    155 
    156 
    157 //优化两图的连接处,使得拼接自然
    158 void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst)
    159 {
    160     int start = MIN(corners.left_top.x, corners.left_bottom.x);//开始位置,即重叠区域的左边界  
    161     
    162     double processWidth = img1.cols - start;//重叠区域的宽度  
    163     int rows = dst.rows;
    164     int cols = img1.cols; //注意,是列数*通道数
    165     double alpha = 1;//img1中像素的权重  
    166     for (int i = 0; i < rows; i++)
    167     {
    168         uchar* p = img1.ptr<uchar>(i);  //获取第i行的首地址
    169         uchar* t = trans.ptr<uchar>(i);
    170         uchar* d = dst.ptr<uchar>(i);
    171         for (int j = start; j < cols; j++)
    172         {
    173             if (t[j*3] == 0 && t[j*3+1] == 0 && t[j*3+2] == 0)
    174             {
    175                 alpha = 1;
    176             }
    177             else
    178             {
    179                 alpha = (processWidth - (j - start)) / processWidth;
    180             }
    181 
    182             d[j*3] = p[j*3] * alpha + t[j*3] * (1 - alpha);
    183             d[j*3+1] = p[j*3+1] * alpha + t[j*3+1] * (1 - alpha);
    184             d[j*3+2] = p[j*3+2] * alpha + t[j*3+2] * (1 - alpha);
    185             
    186         }
    187     }
    188 }

    那么怎样才可以生成一个不依赖于环境的可执行程序exe呢?

    1.选择release方式

    为什么要选择release而不选择debug模式?因为debug模式我也尝试过了,因为debug模式要加入某些vs的debug dll,可能比较难找,就不使用debug模式了,relase模式更为方便。

    2.重新生成解决方案

    3.找到生成的exe的存放位置

    因为我生成的是x64文件,所以就选择X64。生成X86的就选X86文件夹。

    我们选relsease文件夹

    发现有四项东西

    3.建立自己的文件夹

    自己新建一个文件夹(我命名为my_exe),以后所有东西都放这里了。并将上面提到的四项东西拷贝到这里。并根据我们程序写的读取图片和存储图片的位置,生成如下的两个文件夹src_pic和dst_pic。

    4.找出opencv dll库的位置

    将里面的东西全选,并拷贝到刚新建的文件夹内。

    5.根据程序写的读取图片的位置放入待处理的图片

    6.运行exe文件

    这个exe文件是你从vs工程copy过来的那个exe,别弄错了。

    完美运行。

    再看看dst_pic文件夹,生成的图片已经如我们所愿存进去了!

    可能遇到的问题

    在实际操作中可能遇到exe无法执行或者出错的情况,这时应第一时间查看依赖项是否填写正确。

    因为我们选择的是release版本,所以依赖项填写的是不带d的!这个要确认清楚。

  • 相关阅读:
    桥梁模式
    OpenGL中的功能与OSG对应功能 (摘)
    STL源码学习----lower_bound和upper_bound算法[转]
    [转载]GMT地形数据总结
    关于OPenGL和OSG的矩阵 (转)
    GEOS库 介绍 (转)
    一个小巧的C++Log输出到文件类 (转)
    如何优化,让电脑真正快起来(转)
    数据库的应用——直接从内存中读取osg节点 (转)
    OSG 实现跟随节点的相机(转)
  • 原文地址:https://www.cnblogs.com/ybqjymy/p/14177660.html
Copyright © 2011-2022 走看看