labview在机器视觉中的应用——调用opencv图像处理函数

第一篇博客当中说了Labview 的优势，其中就有一项就是可以和Matlab和Opencv混合编程，今天就说一下用Labview调用Opencv，当然网上也有人分享出来怎么去做这个动态链接库，但是针对于图像处理的还不多，至少我看到的都是调用windows的动态链接库，其实也都很简单就是把一维的处理变成二维的处理，网上也有不少例程，我在这个过程当中也因为粗心大意遇到一些问题，今天就把这块详细的说一说，每一步都有图，都有解释。

今天主要用的函数就是下面这个

调用库函数，双击之后你会发现有个地方是需要输入库的地址的，也就说你要有自己的库让Lv来调用，而这个库，我们用opencv的函数去写，然后用Lv来调用，这就是所谓的混合编程了。下一步就是要写自己的图相处理的库函数。我用的是VS2013,建立一个dll的工程。看图说话。

这个在百度知道里边有详细的方法，所以我就直接上代码了。。 很简单的一个功能，先进行方框滤波，然后边缘检测，我就是随便弄的一个处理过程，说明问题就好，先看一下用VS运行之后的效果。

#include <opencv2\opencv.hpp>
using namespace cv;
#define WINDOW_NAME1 "[原始图片]"
#define WINDOW_NAME2 "[效果窗口]"

Mat g_srcImage; Mat g_templateImage; Mat g_resultImage;
int g_nMatchMethod;
int g_nMaxTrackbarnum = 5;

void on_Matching(int, void*);
int main()
{
	Mat image = imread("333.png");
	Mat temp;
	cvtColor(image, image, CV_BGR2GRAY);
	boxFilter(image, image,-1,Size(5,5));
	Canny(image, image, 150, 100, 3);

	imshow("2", image);
	//imwrite("2.jpg", image);
	waitKey(0);



}

没错就是以前用的图片就拿出来用了，能说明问题就好，在新建的dll库中添加这段代码。你会发现非常的简单了。

#include <opencv2\opencv.hpp>
using namespace cv;



_declspec(dllexport)  void add2(int rows, int cols, unsigned __int8 *data)
{
	Mat image_src(rows,cols, CV_8U, &data[0]);
	/* Insert code here */
	Mat temp;
	boxFilter(image_src, temp, -1, Size(5, 5));

	Canny(temp, image_src, 150, 100, 3);



}

没错就是这样了。这里边注意几个问题，就是输出dll比我们正常编程序在函数前面会有dllesport，字面意思也就是dll输出了，当然还有输入就是dllimport，具体为什么这样在http://www.cnblogs.com/paopao/archive/2006/05/08/393924.aspx这博客当中有很好的说明了，我就不赘述了，还有一点就是我们要输入一个图像，而Lv中的图像数据是有自己的结构的，而opencv中也有Mat结构，他们俩的联系就是数组了，所以我们的图像输入变量就必须是个数组指针，把这个数组的数据给opencv的Mat结构，这样就把他们两个联系起来，其实很简单，就是数据结构的问题，当然后来数据结构的问题也是困扰我最久的问题，这里边很多细节细节。滤波和边缘检测的这两个函数要求图像必须是灰度图像，所以定义的data是8位无符号的数据类型，等下在Lv中也有相应的设置，还有一个问题就是，很多人可能会说我的这个函数没有输出，确实没有输出，因为我把最终的图像又还给了输入的图像，这样反正就是少了一个参数，如果你要是写比较复杂的函数，其实中间变量temp就可以充分发挥作用了，只要把最终结果给image就可以。这个函数编译一下就OK了，在Debug文件夹下会发现一个dll文件。

这个就是我们做好的函数库，下面来看一下Lv中的设置。

第一页需要修改这两个地方。不用说了，很简单。

图像行列都是有符号32位，而图像数据是无符号8位的数据，要跟我们库函数中的定义保持一致。确定就可以，确定之后发现多了三个输入量，

输出就直接连data就可以了，因为在库函数当中我们把最终结果，给了data，前面板就可以看到最终图像，跟我们在opencv当中的效果是一样的。