图像监视：在 Visual Studio 调试器中查看内存中图像

先决条件

本教程假定您具有以下可用项：

1. 安装了 Update 1 的 Visual Studio 2012 Professional（或更高版本）。更新 1 可在此处下载。
2. 在 Windows 计算机上安装 OpenCV（教程：在 Windows 中安装）。
3. 能够在 Visual Studio 中创建和生成 OpenCV 项目（教程：如何在“Microsoft Visual Studio”中使用 OpenCV 生成应用程序）。

安装

下载 Image Watch 安装程序。（Visual Studio 2019 |Visual Studio 2017 中 |Visual Studio 2012、2013、2015）安装程序位于扩展名为 .vsix（Visual Studio 扩展名）的单个文件中。要启动它，只需双击 Windows 资源管理器中的 .vsix 文件。安装程序完成后，请确保重新启动 Visual Studio 以完成安装。

例

Image Watch 适用于任何使用 OpenCV 图像对象的现有项目（例如，cv：：Mat）。在此示例中，我们使用一个最小的测试程序，该程序从文件加载图像并运行边缘检测器。若要生成程序，请在 Visual Studio 中创建一个控制台应用程序项目，将其命名为“image-watch-demo”，然后插入下面的源代码。

Visual Studio Image Watch 调试器扩展的测试应用程序

#include < iostream> // std：：cout

#include < opencv2/core/core.hpp> // cv：：Mat

#include < opencv2/imgcodecs/imgcodecs.hpp> // cv：：imread（）

#include < opencv2/imgproc/imgproc.hpp> // cv：：Canny（）

使用命名空间 std;

使用命名空间 CV;

无效帮助（）

{

cout

<< "----------------------------------------------------"<< endl

<< “This is a test program for the Image Watch Debugger ” << endl

<< “Visual Studio 的插件。程序加载一个“ << endl

<< “图像，然后运行 Canny 边缘检测器。<< endl

<< “不显示任何输出或将任何输出写入磁盘。”

<< endl

<< “用法：” << endl

<< “image-watch-demo inputimage” << endl

<< "----------------------------------------------------"<< endl

<< endl;

}

int main（int argc， char *argv[]）

{

help（）;

如果 （argc ！= 2）

{

cout << endl <<“参数数量错误”;

返回 -1;

}

cout << “加载输入图像：” << argv[1] << endl;

垫子输入;

输入 = imread（argv[1]， IMREAD_COLOR);

cout << “检测输入图像中的边缘” << endl;

垫子边缘;

Canny（输入，边，10,100）;

返回 0;

}

确保活动解决方案配置 （Build –> Configuration Manager） 设置为调试版本（通常称为“调试”）。这应该会禁用编译器优化，以便查看调试器中的变量可以可靠地工作。

生成解决方案（生成 –> 生成解决方案，或按 F7）。

在继续之前，不要忘记将输入图像的命令行参数添加到项目中（右键单击项目 - >属性 - >配置属性 - >调试，然后使用图像的位置设置字段命令参数）。

现在在源代码行上设置一个断点，指出

垫子边缘;

要设置断点，请右键单击源行，然后从上下文菜单中选择“断点 –>插入断点”。

在调试器中启动程序（“调试”>“开始调试”，或按 F5）。命中断点时，程序将暂停，Visual Studio 会在断点处显示一个黄色指令指针：

现在，您可以检查程序的状态。例如，可以打开“局部变量”窗口（“调试”>“窗口”>“局部变量”），该窗口将显示当前作用域中变量的名称和值：

请注意，内置的“局部变量”窗口将仅显示文本。这就是 Image Watch 插件的用武之地。Image Watch 类似于另一个 Locals 窗口，但内置了一个图像查看器。要调出 Image Watch，请选择 View –> Other Windows –> Image Watch。与 Visual Studio 的“局部变量”窗口一样，图像监视可以停靠到 Visual Studio IDE。此外，Visual Studio 还会记住你是否打开了图像监视，以及它在调试会话之间的位置。这意味着您只需执行此操作一次 - 下次开始调试时，Image Watch 将返回到您离开的地方。下面是停靠的“图像监视”窗口在断点处的样子：

左上角的单选按钮（Locals/Watch）选择下面的图像列表中显示的内容： Locals 列出当前范围内的所有 OpenCV 图像对象（此列表会自动填充）。 Watch 显示已固定用于连续检查的图像表达式（此处未描述，有关详细信息，请参阅 Image Watch 文档）。图像列表显示基本信息，例如宽度、高度、通道数以及缩略图（如果有）。在我们的示例中，图像列表包含两个局部图像变量，input 和 edges。

如果图像有缩略图，左键单击该图像将选择该图像，以便在右侧的图像查看器中进行详细查看。查看器允许您平移（拖动鼠标）和缩放（鼠标滚轮）。它还显示当前鼠标位置的像素坐标和值。

请注意，列表中的第二个图像 edges 显示为“无效”。这表示此图像对象的某些数据成员具有损坏或无效的值（例如，负图像宽度）。这在程序的这一点上是预期的，因为边缘的C++构造函数尚未运行，因此其成员具有未定义的值（在调试模式下，它们通常填充“0xCD”字节）。

从这里，您可以单步执行代码（Debug->Step Over，或按 F10）并观察像素的变化：如果单步执行一次，越过 Mat edges; 语句，则 edges 图像将从 “invalid” 更改为 “empty”，这意味着它现在处于有效状态（默认构造），即使它尚未初始化（使用 cv：：Mat：：create（）），例如）。如果在 cv：：Canny（） 调用上再执行一步，您将看到边缘图像的缩略图出现在图像列表中。

现在假设您要对 cv：：Canny（） 实现进行视觉健全性检查。通过在“图像列表”中选择边缘图像，将该图像带入查看器，然后放大到具有明确定义边缘的区域：

右键单击“图像查看器”以显示视图上下文菜单并启用“链接视图”（菜单项旁边的复选框指示是否启用该选项）。

“链接视图”功能可在相同大小的图像之间翻转时保持视图区域固定。要了解其工作原理，请从图像列表中选择输入图像 - 您现在应该在输入图像中看到相应的放大区域：

您还可以使用向上/向下光标键在查看输入和边沿之间来回切换。这样，您可以轻松验证检测到的边缘是否与输入图像中的数据很好地对齐。

更多。。。

图像手表具有许多更高级的功能，例如

1. 将映像固定到监视列表，以便跨范围或在调试会话之间进行检查
2. 直接在“监视”窗口中对图像进行夹紧、阈值化或差异化
3. 将内存中图像与文件中的参考图像进行比较

有关详细信息，请参阅在线图像监视文档 - 您也可以通过单击图像监视窗口中的“帮助”链接来访问文档页面：

---

   在线教程

• 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
• 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
• EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
• 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中，你将会学习到让机器人执行一系列动作所需要的基本算法。
• 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法，包括：概率推算，计划和搜索，本地化，跟踪和控制，全部都是围绕有关机器人设计。
• 机器学习 – 有指导和无指导情况下的基本机器学习算法
• 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
• 斯坦福统计学习

有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​

人工智能书籍

• OpenCV（中文版）.(布拉德斯基等)
• OpenCV+3计算机视觉++Python语言实现+第二版
• OpenCV3编程入门 毛星云编著
• 数字图像处理_第三版
• 人工智能:一种现代的方法
• 深度学习面试宝典
• 深度学习之PyTorch物体检测实战
• 吴恩达DeepLearning.ai中文版笔记
• 计算机视觉中的多视图几何
• PyTorch-官方推荐教程-英文版
• 《神经网络与深度学习》(邱锡鹏-20191121)
• …
  

第一阶段：零基础入门（3-6个月）

新手应首先通过少而精的学习，看到全景图，建立大局观。 通过完成小实验，建立信心，才能避免“从入门到放弃”的尴尬。因此，第一阶段只推荐4本最必要的书（而且这些书到了第二、三阶段也能继续用），入门以后，在后续学习中再“哪里不会补哪里”即可。

第二阶段：基础进阶（3-6个月）

熟读《机器学习算法的数学解析与Python实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。

第三阶段：工作应用

这一阶段你已经不再需要引导，只需要一些推荐书目。如果你从入门时就确认了未来的工作方向，可以在第二阶段就提前阅读相关入门书籍（对应“商业落地五大方向”中的前两本），然后再“哪里不会补哪里”。

 有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​