机器学习库Dlib+VS2015

简介

Dlib库是一个基于C++开发的机器学习算法的工具库，广泛应用在机器人、嵌入式设备、移动手机和高性能计算设备中，以用于解决实际问题。 
下面给出Dlib库的官网连接：

http://dlib.net/

由于最近打算在VS平台上实现fhog特征，发现该库含有该特征，故打算安装试试效果。

安装步骤

1.解压Dlib

　　１.首先将Dlib-19.2下载到D盘中(其他盘亦可)。 
　　 2.解压放置在D盘目录下。 
　　

2.使用CMake制作Dlib.lib

　　解压得到的文件不包含lib文件，需要用CMake制作出来,建立一个空的build文件夹作为输出文件夹。 
　　

　　  
　　

　　点击Generate,选择对应的VS版本，19.2只支持VS2015，故选择VS2015 ，使用默认Compliers。 
　　

 

　　点击finish,最后编译完成 
　　

 

提醒：它会报一个跟CUDA相关的错误，不用管它，我猜测是关于深度学习的应用，我电脑没有安装深度学习相关的东西所以就没理这个错误，最后结果表明确实这个错误不影响使用。

3.VS2015添加DLib库

编译完成后在build里出现一个dlib工程项目，用VS2015打开dlib.sln。 
 
生成解决方案得到debug文件夹，里面既是所需要的dlib。 
 

Note:dlib中加入DLIB_JPEG _SUPPORT方可读入jpg格式的图像  

项目：

接着在VS2015中添加DLib附加库，随便新建一个Win32控制台程序，为保证对所有工程都有效，在属性管理器里进行全局更改。 
 
双击Microsoft.Cpp.x64.user弹出属性页，在链接器-常规里添加附加包含目录（注意路径名字） 
 
然后附加库目录 
 
以及附加依赖项 
 
以上就是dlib的库添加过程。上述包含目录和附加库目录添加过程也可在VC++目录完成。

自己的项目时还需在包括头文件前加上#define DLIB_JPEG_SUPPORT   或 在该项目的预处理器中加入DLIB_JPEG_SUPPORT 

4.示例测试

最后写个程序来测试是否成功，程序为一个简单的Canny边缘检测示例程序，是examples里的示例程序。

// face.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <dlib/gui_widgets.h>
#include <dlib/image_io.h>
#include <dlib/image_transforms.h>
#include <fstream>


using namespace std;
using namespace dlib;

//  ----------------------------------------------------------------------------

int main(int argc, char** argv)
{
    try
    {

        // 声明图像
        array2d<rgb_pixel> img;

        string img_path = "lena.jpg";
        load_image(img, img_path);

        // 高斯模糊
        array2d<unsigned char> blurred_img;
        gaussian_blur(img, blurred_img);

        // sobel边缘检测
        array2d<short> horz_gradient, vert_gradient;
        array2d<unsigned char> edge_image;
        sobel_edge_detector(blurred_img, horz_gradient, vert_gradient);

        //非极大边缘抑制
        suppress_non_maximum_edges(horz_gradient, vert_gradient, edge_image);

        // 显示结果
        image_window my_window(edge_image, "Normal Edge Image");

        // We can also easily display the edge_image as a heatmap or using the jet color
        // scheme like so.
        image_window win_hot(heatmap(edge_image));
        image_window win_jet(jet(edge_image));

        // also make a window to display the original image
        image_window my_window2(img, "Original Image");

        // Sometimes you want to get input from the user about which pixels are important
        // for some task.  You can do this easily by trapping user clicks as shown below.
        // This loop executes every time the user double clicks on some image pixel and it
        // will terminate once the user closes the window.
        point p;
        while (my_window.get_next_double_click(p))
        {
            cout << "User double clicked on pixel:         " << p << endl;
            cout << "edge pixel value at this location is: " << (int)edge_image[p.y()][p.x()] << endl;
        }

        // wait until the user closes the windows before we let the program 
        // terminate.
        win_hot.wait_until_closed();
        my_window2.wait_until_closed();


        // Finally, note that you can access the elements of an image using the normal [row][column]
        // operator like so:
        cout << horz_gradient[0][3] << endl;
        cout << "number of rows in image:    " << horz_gradient.nr() << endl;
        cout << "number of columns in image: " << horz_gradient.nc() << endl;
    }
    catch (exception& e)
    {
        cout << "exception thrown: " << e.what() << endl;
    }
}

//  ----------------------------------------------------------------------------

 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80