OpenCV 网络url图像路径转OpenCV Mat

一、简述

OpenCV中imread() 读取图像函数是不可以载入图像的网络url路径的，如果想要将网络url图像加载并转成mat数据格式，那么还需要借助第三方网络库curl。

二、环境

windows 10 + vs2017 + opencv3.4.7 + curl-7.78.0 + cmake

三、安装curl

1、curl简介

libcurl是免费的客户端URL传输库，支持DICT, FILE, FTP, FTPS, Gopher, HTTP, HTTPS, IMAP, IMAPS, LDAP, LDAPS, POP3, POP3S, RTMP, RTSP, SCP, SFTP, SMTP, SMTPS, Telnet and TFTP。libcurl支持SSL证书， HTTP POST、HTTP PUT、FTP上传、基于HTTP表单的上传、代理、Cookie、用户+口令认证（基本、摘要、NTLM、协商、Kerberos）、文件续传、HTTP代理隧道等！

libcurl是高度可移植的，它构建和工作在许多平台上，包括Solaris、NETBSD、FreeBSD、OpenBSD、Darwin、HPUX、IIX、AIX、TUR64、Linux、UNIX、HUD、Windows、AMIGA、OS/2、BeOs、Mac OS X、ULTRIX、QNX、OpenVMS、RISC OS、Novell NETWORD、DOS等等。

libcurl是免费的，线程安全，IpV6兼容，功能丰富，良好支撑，快速，文档全面，并已被许多知名的，大的和成功的公司使用。

2、在curl官方中下载curl库

官方地址：https://curl.se/download.html

 

3、编译

有多种编译方式，比如：vs 自带的 nmake 编译、cmake编译。我这里选择的是cmake编译。

（1）解压curl-7.78.0.zip，进入目录中，并创建目录build，用于存放编译后的文件；创建install目录用于存放最终编译生成的头文件、dll、lib文件。

 

（2）打开cmake，源码目录选择解压后的curl-7.78.0目录，编译目录选择刚刚创建的build目录。点击“Configure”按钮，选择vs2017 、x64，配置成功。

 （3）CMAKE_INSTALL_PREFIX选项，参数修改为刚刚创建的install目录，用于存放生成的头文件、库文件；

（4）再次点击“Configure”按钮，再点击“Generate”按钮，生成成功。

（5）在build目录中找到 CURL.sln，用vs2017打开【注意：一定要用管理员身份运行vs2017，不然生成库时会报错】，选择Debug/Release x64，这里我选择的是Release x64。

4、依次对项目“ALL_BUILD”、“INSTALL”生成

 

5、全部生成成功后，在install目录中看到生成的头文件、dll文件和lib文件

 

6、我们只需要install这一个目录即可，其他的所有文件都可以删除了。我这里把install目录单独拷贝出来，修改了名称

 

7、根据需求，自行在windows环境变量Path中添加curl的bin路径；【添加到系统环境变量中后就不需要把dll文件拷贝到项目运行目录下了】

四、网络url图像路径转Mat

1、配置

（1）在vs2017中，右击项目进入属性页；

（2）在“配置属性”->“C/C++”->“常规”->“附加包含目录”中添加curl的include目录；

（3）在“配置属性”->“链接器”->“常规”->“附加库目录”中添加curl的lib目录；

（4）在“配置属性”->“链接器”->“常规”->“输入”->“附加依赖项”中添加libcurl_imp.lib（Release模式）或libcurl-d_imp.lib（Debug模式）。

2、使用

这里参考链接：https://answers.opencv.org/question/91344/load-image-from-url/

直接贴上代码：

#include "curl/curl.h" // has to go before opencv headers

#include <iostream>

#include <vector>using namespace std;

#include <opencv2/opencv.hpp>

using namespace cv;

//curl writefunction to be passed as a parameter// we can't ever expect to get the whole image in one piece,// every router / hub is entitled to fragment it into parts// (like 1-8k at a time),// so insert the part at the end of our stream.size_t write_data(char *ptr, size_t size, size_t nmemb, void *userdata)

{

    vector<uchar> *stream = (vector<uchar>*)userdata;

    size_t count = size * nmemb;

    stream->insert(stream->end(), ptr, ptr + count);

return count;

}



//function to retrieve the image as cv::Mat data type

cv::Mat curlImg(const char *img_url, int timeout=10)

{

    vector<uchar> stream;

    CURL *curl = curl_easy_init();

    curl_easy_setopt(curl, CURLOPT_URL, img_url); //the img url

    curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, write_data); // pass the writefunction

    curl_easy_setopt(curl, CURLOPT_WRITEDATA, &stream); // pass the stream ptr to the writefunction

    curl_easy_setopt(curl, CURLOPT_TIMEOUT, timeout); // timeout if curl_easy hangs,

    CURLcode res = curl_easy_perform(curl); // start curl

    curl_easy_cleanup(curl); // cleanup

return cv::imdecode(stream, -1); // 'keep-as-is'

}

int main(void)

{

    Mat image = curlImg("https://img-blog.csdnimg.cn/2020122114040625.png");

    if (image.empty())

        return -1; // load fail



    namedWindow( "Image output", CV_WINDOW_AUTOSIZE );

    imshow("Image output",image); // here's your car ;)

waitKey(0); // infinite

}

3、耗时统计

测试了一下，从网络上找了一个 837*675尺寸的png图像，测试几百次，平均获取耗时达到 170ms了；也测试了一些其他网络图像，获取耗时也是很大。当然可能和网络也有些关系。