图像处理（二）手把手图文教你安装Qt5.7.0+（Win7,32位）OpenCV3.0（VC12）+VS2013安装配置（这个肯定行！！！）

前言：本文是接着上一篇（https://blog.csdn.net/Smile_h_ahaha/article/details/102769455）继续说的，在这里简单说明一下。

上一篇的主要内容是：第0部分（教你自行搭配各软件的安装版本），第一部分（小白级别的VS+OpenCV运行示例，与第二部分无关），第二部分（新手级别的VS+OpenCV+Cmake生成自建库+小红球图像检测示例，与第三部分相关）。

本文的主要内容是：第三部分（入门级VS+OpenCV+QT,不带QT GUI），第四部分（入门级VS+OpenCV+QT,带QT GUI）

下一篇的主要内容是：第五部分（指尖识别示例与解析，就是数你有多少个手指头，这是做指纹识别或者动态捕捉方向的入门级程序）。

进一步说明：（手快党请看完下文介绍，再安装）

1、上一篇的第二部分非常重要，如果你想在第三部分中成功，那么在第二部分中的操作，你必须保证都完成。如果你没照着我的做，请回去看一下，对比检查。不要上来就跟着本文做。如果你确定第二部分的操作都完成了，那么请看下去。

2、第三部分和第四部分都是在第二部分的基础上的延伸，这两个部分是可选的（二选一安装）。网上大多数的教程并不给你详细说明这俩的区别。实际上区别就是有没有QT GUI。

比如说你平时只需要分析静态图像，那么不带GUI的就够用，你可以选择跟着第三部分一起做。

比如说你要分析动态图像捕捉，要用摄像头，要检测实时物体（上一篇的红球检测）等等复杂操作，那么你就需要带QT GUI的。

小伙伴们此时的内心仿佛在说：“我还差你那点流量和储存空间？没说的，上QT GUI，妥妥的”！

哈哈，好吧，但是我还是把不带GUI的安装方法也放在这里，给大家一种很全面很细致的感觉（我是暖男，不用谢XD）。

3、我也推荐你选择带QT GUI的，你可以看看第三部分的解说，或者直接跳到第四部分。

第三部分：配置QT (不带QT GUI的安装教程)

第一步，打开QT creater选择新建一个项目：

然后：

然后：文件夹的名字就随便起一个，我就想运行我那红球检测的程序，于是就叫RedBall了。保存位置自己设置（路径别带中文）

然后build system，选择qmake

然后点击详情（details）

然后，取消选中选项，直到仅剩一个为止，即使用MSVC 201X进行32位编译的调试版本

因为我们不带GUI了，大多数都可以不勾选，仅剩下Debug的那个，同时还要把它的路径改成你刚才命名的那个。

比如，看往上数第三张图片所示的“创建路径”（C:\Users\Administrator\Desktop\QTtext），你把debug的默认路径改到与“创建路径”相同的文件夹中。

必须这样做，不然系统会混淆，找不到目录。

虽然此时此刻QT的RedBall（我们刚命名的文件夹名字）还没生成，但你还是要把debug的路径设置成：

C:\Users\Administrator\Desktop\QTtext\RedBall

下一个界面选None，然后"完成"。

第二步：

转到“ main.cpp”，复制/粘贴代码

// 保存名为RedBall.cpp的文件

//没有QT GUI的只能做静态图片分析
 
#include <opencv2/opencv.hpp> //我们的opencv/Include
using namespace cv;
int main()
{
	 // 读入一张图片,写你自己的保存路径
        //要把图片保存在你的项目的统一文件夹中
	Mat img = imread("C:\Users\Administrator\Desktop\QTtext\RedBall\1.jpg");

	namedWindow("666");// 创建一个名为 "666"的窗口  
	imshow("图片名字", img);// 在窗口中显示图片名字
	waitKey(10000);// 等待10 s后窗口自动关闭 
}

由于我们还没告知Qt Creator，OpenCV的位置，此时Qt Creator还不能正常调用OpenCV库，所以你会看到include那有红色下划线

在你电脑中，导航到你的OpenCV 自建库的目录位置，例如“ D:\OpenCV\V3.0\mybuild\lib\Debug”，然后列出所有以“ d.lib”结尾的文件名（不同的OpenCV版本，有不同的文件名，例如OpenCV3.1.0 就是310了）。

接下来在Qt Creator中，转到您的.pro文件（例如“ RedBall.pro”），此时它是这样的：

 

在第七行那添加以下内容，并确保根据你的OpenCV版本更改lib目录中存在的库：

########################################################################
# add these to the end of your .pro file, this is so Qt knows about the location of the include and lib directories
# in Qt .pro files, begin a line with a pound character '#' to enter a comment
# note that for the double backslashes, the second is an escape character so the first is seen by Qt as a backslash
# the single backslashes at the end of each line (except for the last line) are line continuation characters
INCLUDEPATH += D:\\OpenCV\\V3.0\\opencv\\build\\include
LIBS += -LD:\\OpenCV\\V3.0\\mybuild\\lib\\Debug \
-lopencv_imgcodecs300d \
-lopencv_imgproc300d \
-lopencv_ml300d \
-lopencv_objdetect300d \
-lopencv_photo300d \
-lopencv_shape300d \
-lopencv_stitching300d \
-lopencv_superres300d \
-lopencv_ts300d \
-lopencv_video300d \
-lopencv_videoio300d \
-lopencv_videostab300d \
-lopencv_calib3d300d \
-lopencv_core300d \
-lopencv_features2d300d \
-lopencv_flann300d \
-lopencv_hal300d \
-lopencv_highgui300d
# Note: it is recommended to add a blank line at the end of your .pro file ############################

因为我这个是OpenCV3.0.0版本的，所以是300，别的版本的话，把它们复制粘贴到txt文本中自己替换300值就好了。

第三步：

然后你就可以运行了。通过单击左下角的相应图标来运行程序，可以选择“运行”（绿色箭头）或“开始调试”（绿色箭头，上面有一个瓢虫的那个）。

如果在尝试运行该程序时收到异常或不合逻辑的错误，

例如“无法打开包含文件：'opencv2 / core / core.hpp'：无此类文件或目录”，

并且可以确定已正确设置了所有内容，

例如 在第一个故障排除步骤中，选择“构建”->“全部清除”，然后选择“构建”->“运行qmake”，然后尝试再次运行程序。

嗯，完成了，简单吧。

第四部分（配置QT，带QT GUI）

第一步：打开QT creator 新建一个项目

在 "New Project" 页面, 选择 "Application" 和"Qt Widgets Application", 然后 "Choose . . ."

在 "Introduction and Project Location" 界面, 随便起个文件夹名, 例如 "RedballGUI"

然后这样做：（这步和第三部分的新建的选择一样，所以我不再解释一遍了，可以往上翻看看解释）

在“类信息”屏幕上，选择“类名：”作为首选，例如设置成“ redballgui”，注意这会为你直接全部设置“头文件：”，“源文件：”和“表单文件：”的名称。 不建议把“标题文件：”，“源文件：”或“表单文件：”的名称改成不一样的名字。

确保“基类：”设置为QMainWindow

然后下一步，然后

复制粘贴如下代码到“redballgui.cpp”中

// 保存名为redballgui.cpp的文件
 
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
 
#include<iostream>
 
///
int main() {
	cv::VideoCapture capWebcam(0);		// declare a VideoCapture object and associate to webcam, 0 => use 1st webcam
 
	if (capWebcam.isOpened() == false) {				// check if VideoCapture object was associated to webcam successfully
		std::cout << "error: capWebcam not accessed successfully\n\n";	// if not, print error message to std out
		return(0);														// and exit program
	}
 
	cv::Mat imgOriginal;		// input image
	cv::Mat imgHSV;
	cv::Mat imgThreshLow;
	cv::Mat imgThreshHigh;
	cv::Mat imgThresh;
 
	std::vector<cv::Vec3f> v3fCircles;				// 3 element vector of floats, this will be the pass by reference output of HoughCircles()
 
	char charCheckForEscKey = 0;
 
	while (charCheckForEscKey != 27 && capWebcam.isOpened()) {		// until the Esc key is pressed or webcam connection is lost
		bool blnFrameReadSuccessfully = capWebcam.read(imgOriginal);		// get next frame
 
		if (!blnFrameReadSuccessfully || imgOriginal.empty()) {		// if frame not read successfully
			std::cout << "error: frame not read from webcam\n";		// print error message to std out
			break;													// and jump out of while loop
		}
 
		cv::cvtColor(imgOriginal, imgHSV, CV_BGR2HSV);
 
		cv::inRange(imgHSV, cv::Scalar(0, 155, 155), cv::Scalar(18, 255, 255), imgThreshLow);
		cv::inRange(imgHSV, cv::Scalar(165, 155, 155), cv::Scalar(179, 255, 255), imgThreshHigh);
 
		cv::add(imgThreshLow, imgThreshHigh, imgThresh);
 
		cv::GaussianBlur(imgThresh, imgThresh, cv::Size(3, 3), 0);
 
		cv::Mat structuringElement = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
 
		cv::dilate(imgThresh, imgThresh, structuringElement);
		cv::erode(imgThresh, imgThresh, structuringElement);
 
		// fill circles vector with all circles in processed image
		cv::HoughCircles(imgThresh,			// input image
			v3fCircles,							// function output (must be a standard template library vector
			CV_HOUGH_GRADIENT,					// two-pass algorithm for detecting circles, this is the only choice available
			2,									// size of image / this value = "accumulator resolution", i.e. accum res = size of image / 2
			imgThresh.rows / 4,				// min distance in pixels between the centers of the detected circles
			100,								// high threshold of Canny edge detector (called by cvHoughCircles)						
			50,									// low threshold of Canny edge detector (set at 1/2 previous value)
			10,									// min circle radius (any circles with smaller radius will not be returned)
			400);								// max circle radius (any circles with larger radius will not be returned)
 
		for (int i = 0; i < v3fCircles.size(); i++) {		// for each circle . . .
			// show ball position x, y, and radius to command line
			std::cout << "ball position x = " << v3fCircles[i][0]			// x position of center point of circle
				<< ", y = " << v3fCircles[i][1]								// y position of center point of circle
				<< ", radius = " << v3fCircles[i][2] << "\n";				// radius of circle
 
			// draw small green circle at center of detected object
			cv::circle(imgOriginal,												// draw on original image
				cv::Point((int)v3fCircles[i][0], (int)v3fCircles[i][1]),		// center point of circle
				3,																// radius of circle in pixels
				cv::Scalar(0, 255, 0),											// draw pure green (remember, its BGR, not RGB)
				CV_FILLED);														// thickness, fill in the circle
 
			// draw red circle around the detected object
			cv::circle(imgOriginal,												// draw on original image
				cv::Point((int)v3fCircles[i][0], (int)v3fCircles[i][1]),		// center point of circle
				(int)v3fCircles[i][2],											// radius of circle in pixels
				cv::Scalar(0, 0, 255),											// draw pure red (remember, its BGR, not RGB)
				3);																// thickness of circle in pixels
		}	// end for
 
		// declare windows
		cv::namedWindow("imgOriginal", CV_WINDOW_AUTOSIZE);	// note: you can use CV_WINDOW_NORMAL which allows resizing the window
		cv::namedWindow("imgThresh", CV_WINDOW_AUTOSIZE);	// or CV_WINDOW_AUTOSIZE for a fixed size window matching the resolution of the image
		// CV_WINDOW_AUTOSIZE is the default
 
		cv::imshow("imgOriginal", imgOriginal);			// show windows
		cv::imshow("imgThresh", imgThresh);
 
		charCheckForEscKey = cv::waitKey(1);			// delay (in ms) and get key press, if any
	}	// end while
 
	return(0);
}
————————————————
版权声明：本文为CSDN博主「Smile_h_ahaha」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Smile_h_ahaha/article/details/102769455

然后在电脑中找到你下载的OpenCV的保存位置，导航的OpenCV lib目录，

例如“ D:\OpenCV\V3.0\mybuild\lib\Debug”，然后列出所有以“ d.lib”结尾的文件名（不同的OpenCV版本，有不同的文件名，例如OpenCV3.1.0 就是310了）。

接下来在Qt Creator中，转到您的.pro文件（例如“ redballgui.pro”），此时它是这样的：

在上面所示的程序的第32行，添加（注意下文中的路径和lib版本号，要改成你自己的）：

########################################################################
# add these to the end of your .pro file, this is so Qt knows about the location of the include and lib directories
# in Qt .pro files, begin a line with a pound character '#' to enter a comment
# note that for the double backslashes, the second is an escape character so the first is seen by Qt as a backslash
# the single backslashes at the end of each line (except for the last line) are line continuation characters
INCLUDEPATH += D:\\OpenCV\\V3.0\\opencv\\build\\include
LIBS += -LD:\\OpenCV\\V3.0\\mybuild\\lib\\Debug \
-lopencv_imgcodecs300d \
-lopencv_imgproc300d \
-lopencv_ml300d \
-lopencv_objdetect300d \
-lopencv_photo300d \
-lopencv_shape300d \
-lopencv_stitching300d \
-lopencv_superres300d \
-lopencv_ts300d \
-lopencv_video300d \
-lopencv_videoio300d \
-lopencv_videostab300d \
-lopencv_calib3d300d \
-lopencv_core300d \
-lopencv_features2d300d \
-lopencv_flann300d \
-lopencv_hal300d \
-lopencv_highgui300d
# Note: it is recommended to add a blank line at the end of your .pro file ############################

第二步：

双击表单文件，例如“ redballgui.ui”，这将打开表单编辑器

然后你就看见GUI编辑界面了：

如果这是你第一次使用Qt，则可以通过以下方式更改表单设计选项：
工具->选项->设计师（在左下角）
我建议将网格更改为比默认值小点的值，例如4 x 4，

到这里QT的配置都说完了。

第四部分没有说怎么设计GUI（图形操作界面）。放在下次再给大家介绍吧。在这里的说的话显着又密密麻麻了。

那些熟练了的大佬他们曾经也是萌新，先当孙子后当爷么，学习新知识总是一个痛苦的过程。我也是刚起步。

如果你也在学图像处理，想用树莓派做智能之家，做动态识别之类的，可以在下方评论留言，我们一起学习讨论。

从2020年3月到9月我会一直搞智能之家，图像处理这块的东西，欢迎大家交流讨论，我们互相学习。

苦海无涯，兴趣作舟，最后祝大家都学成大佬，牛气冲天！

哈哈，还没完呢，在图像处理的第三篇博文，我将给大家解释一个手指指尖识别的算法，附赠代码（干货！）。

YouTube安装视频（https://www.youtube.com/watch?v=akAAAvGyLn0）

WiKi百科参考链接（https://wiki.qt.io/How_to_setup_Qt_and_openCV_on_Windows）

OpenCV官方用Cmake自建库(https://docs.opencv.org/2.4/doc/tutorials/introduction/windows_install/windows_install.html)