Baumer工业相机堡盟相机中的JPEG图像压缩相机如何通过BGAPI SDK和OpenCV的Mat进行图像转换（C++）

​
#勤写标兵挑战赛#

Baumer工业相机

Baumer工业相机堡盟相机是一种高性能、高质量的工业相机，可用于各种应用场景，如物体检测、计数和识别、运动分析和图像处理。

Baumer的万兆网相机拥有出色的图像处理性能，可以实时传输高分辨率图像。此外，该相机还具有快速数据传输、低功耗、易于集成以及高度可扩展性等特点。
​
Baumer万兆网相机中LXT.JP图像压缩系列相机是一种预处理相机，在相机内部对图像进行JPEG算法压缩然后再传输到处理器中。

BaumerJPEG工业相机技术背景

Baumer工业相机的JPEG图像压缩功能有助于减少图像文件的大小，同时保持图像质量。这种压缩功能是基于JPEG（联合摄影专家组）压缩标准，该标准被广泛用于数字摄影和图像编辑。

具有JPEG压缩功能的工业相机可以捕捉高分辨率的图像，并将其压缩成较小的文件，从而使图像的存储、传输和处理更加容易。压缩水平和质量可以根据用户的具体需求进行调整。

在工业相机中使用JPEG压缩的一个优点是，它可以帮助减少数据传输时间，这在需要高速图像处理的机器视觉应用中特别重要。此外，较小的文件大小允许更有效地存储和检索图像，这在工业环境中可以节省时间和金钱。

总的来说，JPEG图像压缩功能是工业相机的一个重要功能，有助于提高高分辨率图像的效率、存储和处理。

有关于Baumer工业相机中的JPEG图像压缩相机的介绍，之前已经有相关的技术博客可以参考：

Baumer工业相机堡盟相机如何使用JPEG图像压缩功能（LXT.JP系列相机图像压缩功能的使用和优点以及行业应用）（C++）

​
这里主要描述如何在C++的平台下实现通过BGAPI SDK和OpenCV进行图像转换的核心代码

代码分析

本文介绍使用BGAPI SDK对Baumer的JPEG工业相机进行开发时，使用通过BGAPI SDK和OpenCV进行图像转换的功能

第一步：先引用对应的OpenCV的DLL文件

C++环境下引用opencv_world341.dll作为图像处理库代码如下所示：

#pragma comment(lib, "opencv_world341.lib")
#pragma comment(lib, "opencv_world341d.lib")

第二步：在回调函数里进行Buffer图像转换为OpenCV图像

后续进行图像转换为OpenCV库的Mat图像的核心代码，如下所示：

void BGAPI2CALL BufferHandler( void * callBackOwner, Buffer * pBufferFilled )
{
	CGigeDemoDlg* pDlg = (CGigeDemoDlg*)callBackOwner;
	unsigned char* imagebuffer = NULL;
	USES_CONVERSION;
	try
	{
		if(pBufferFilled == NULL)
		{

		}
		else if(pBufferFilled->GetIsIncomplete() == true)
		{
			// queue buffer again
			pBufferFilled->QueueBuffer();
		}
		else
		{
			//std::cout << " Image " << std::setw(5) << pBufferFilled->GetFrameID() << " received in memory address " << pBufferFilled->GetMemPtr() << std::endl;
			int width = 0, height = 0;
			width = (int)pBufferFilled->GetWidth();
			height = (int)pBufferFilled->GetHeight();


			#pragma region 内存 JPEG 数据转换为 opencv 里的 jpeg 数据
			char* image_buffer = (char *)((bo_uint64)(pBufferFilled->GetMemPtr()) + pBufferFilled->GetImageOffset());
			int image_length = (int)pBufferFilled->GetImageLength();
			cv::Mat * imgbuf = new cv::Mat(cv::Size(1, image_length), CV_8UC1, (char *)image_buffer);
			 convert from JPEG to Bitmap
			cv::Mat imOriginal = cv::imdecode(*imgbuf, CV_LOAD_IMAGE_GRAYSCALE);

			cv::Mat* imgbuf2 = new cv::Mat((int)pBufferFilled->GetHeight(),(int)pBufferFilled->GetWidth(),CV_8UC1,(char *)pBufferFilled->GetMemPtr());

			cv::Mat imOriginal2 = cv::imdecode(*imgbuf2, CV_LOAD_IMAGE_GRAYSCALE);

			

			CTime time = CTime::GetCurrentTime(); 
			CString strtime;
			strtime.Format(_T("\\%4d%2d%2d%2d%2d%2d"),time.GetYear(),time.GetMonth(),time.GetDay(),time.GetHour(),time.GetMinute(),time.GetSecond());
			
			#pragma region//通过获取的Mat图片进行保存
			CString strpath2 =_T("C:\\Users\\BAUMER\\Desktop\\")+strtime+"Mat.jpg";
			cv::String cvstrpath = W2A(strpath2);
			cv::imwrite(cvstrpath,*imgbuf2);
			cv::imwrite(cvstrpath,imOriginal);
			#pragma endregion

			

			#pragma endregion

			#pragma region//方法一：获取开启JPEG模式后内存数据中有效的像素指针
			size_t jpeg_start_offset = GetStartOfJPEGData(reinterpret_cast<const char*>(pBufferFilled->GetMemPtr()),pBufferFilled->GetMemSize());
			size_t jpeg_end_offset = GetEndOfJPEGData(reinterpret_cast<const char*>(pBufferFilled->GetMemPtr()),jpeg_start_offset,pBufferFilled->GetMemSize());
			#pragma endregion
			#pragma region//方法二：获取开启JPEG模式后内存数据中有效的像素指针
			size_t jpeg_start_offset2 = pBufferFilled->GetImageOffset();
			size_t jpeg_end_offset2 = jpeg_start_offset2+ pBufferFilled->GetImageLength();
			#pragma endregion


			//方法【1】原图像格式转换[Mat] 转 unsigned char*]
			unsigned char *imagebuffer2 = imOriginal2.data;

			

		
			imagebuffer = (BYTE*)((bo_int64)pBufferFilled->GetMemPtr()+pBufferFilled->GetImageOffset());
			//imagebuffer = reinterpret_cast<BYTE*>(pBufferFilled->GetMemPtr()) + jpeg_start_offset,(jpeg_end_offset + 1) - jpeg_start_offset;
			

			if(pDlg->m_bSaveImage &&!pDlg->m_strDirectory.IsEmpty())
			{
				//CTime time = CTime::GetCurrentTime(); 
				//CString strtime;
				//strtime.Format(_T("\\%4d%2d%2d%2d%2d%2d"),time.GetYear(),time.GetMonth(),time.GetDay(),time.GetHour(),time.GetMinute(),time.GetSecond());
				//CString  strpath = pDlg->m_strDirectory+strtime+".jpg";

				//#pragma region//通过流文件的方式将 JPEG 的数据保存为 jpg 文件，但是这种操作是无法将数据转为内存bitmap 的，转换需要第三方软件如 opencv
				//std::ofstream outfile;
				//outfile.open(strpath, std::ios_base::binary);
				//outfile.write(reinterpret_cast<const char*>(pBufferFilled->GetMemPtr()) + jpeg_start_offset2,jpeg_end_offset2 - jpeg_start_offset2);
				//#pragma endregion

				//#pragma region//通过获取的Mat图片进行保存
				//CString strpath2 = pDlg->m_strDirectory+strtime+"Mat.jpg";
				//cv::String cvstrpath = W2A(strpath2);
				//cv::imwrite(cvstrpath,imOriginal);
				//#pragma endregion

				//#pragma region//通过原始JPEG数据进行保存，会有灰色条纹
				//CString  strpath3 = pDlg->m_strDirectory+strtime+"2.jpg";
				//pDlg->SaveImage(strpath3, imagebuffer,width,height);
				//pDlg->m_bSaveImage = false;
				//#pragma region
			}

			Gdiplus::Rect rc = Gdiplus::Rect(0,0,width,height);
			if(pDlg->m_pBitmap == NULL)
			{
				pDlg->m_pBitmap = new Gdiplus::Bitmap(width,height,PixelFormat8bppIndexed);
			}
			Gdiplus::BitmapData lockedbits;
			Gdiplus::ColorPalette * pal = (Gdiplus::ColorPalette*)new BYTE[sizeof(Gdiplus::ColorPalette)+255*sizeof(Gdiplus::ARGB)];
			pal->Count=256;
			for(UINT i=0;i<256;i++)
			{
				UINT color=i*65536+i*256+i;
				color= color|0xFF000000;
				pal->Entries[i]=color;
			}
			pDlg->m_pBitmap->SetPalette(pal);
			Gdiplus::Status ret = pDlg->m_pBitmap->LockBits(&rc,Gdiplus::ImageLockModeWrite,PixelFormat8bppIndexed,&lockedbits);
			BYTE* pixels = (BYTE*)lockedbits.Scan0;
			BYTE* src = (BYTE*)imagebuffer2;
			for (int row = 0; row < height; ++row) 
			{
				CopyMemory(pixels, src, lockedbits.Stride);
				pixels += width;
				src += width;
			}
			pDlg->m_pBitmap->UnlockBits(&lockedbits);

			HDC hDC = ::GetDC(pDlg->m_stcPicture.m_hWnd);

			Gdiplus::Graphics GdiplusDC(hDC);

			CRect rcControl;
			pDlg->m_stcPicture.GetWindowRect(&rcControl);
			Gdiplus::Rect rtImage(0,0,rcControl.Width(),rcControl.Height());
			GdiplusDC.DrawImage(pDlg->m_pBitmap,rtImage,0,0,width,height, Gdiplus::UnitPixel);

			delete []pal;

			::ReleaseDC(pDlg->m_stcPicture.m_hWnd,hDC);

			delete pDlg->m_pBitmap ;
			pDlg->m_pBitmap =NULL;

			// queue buffer again
			pBufferFilled->QueueBuffer();
		}
	}
	catch (BGAPI2::Exceptions::IException& ex)
	{
		CString str;
		str.Format(_T("ExceptionType:%s! ErrorDescription:%s in function:%s"),ex.GetType(),ex.GetErrorDescription(),ex.GetFunctionName());
		//MessageBox(str);
	}
	//return;
}

工业相机图像通过OpenCV转为Mat图像的优点

低水平图像处理： OPENCV为低级别的图像处理提供了一套丰富的库。它允许轻松访问图像特征，如对比度、亮度和颜色校正。

实时视频处理： 使用OPENCV，你可以实时处理视频流，允许对处理过程进行即时反馈和调整。

精确的物体检测： OPENCV提供先进的物体检测和识别算法，能够准确识别和跟踪视频流中的物体。

高效的硬件利用： OPENCV的设计旨在最大限度地提高硬件利用率，使其成为一个高效的视频处理平台。

跨平台兼容性： OPENCV与多种操作系统兼容，使其易于集成到现有的软件系统中。

总的来说，通过OPENCV将工业相机图像转换为Mat图像，可以实现高效、准确、实时的图像处理和分析，使其成为工业应用的有力工具。

工业相机图像通过OpenCV转为Mat图像的行业应用

自动化生产控制：工业相机可以用于自动化生产控制，将其拍摄的图像通过SDK转为OPENCV的MAT图像后，可以使用图像处理技术对产品进行检测、分类、计数等操作，实现自动化生产控制。

智能交通：工业相机可以用于智能交通，将其拍摄的图像通过SDK转为OPENCV的MAT图像后，可以使用图像处理技术对车辆进行识别、计数、跟踪等操作，实现智能交通管理。

医疗影像：工业相机可以用于医疗影像，将其拍摄的图像通过SDK转为OPENCV的MAT图像后，可以使用图像处理技术对医疗影像进行分析、诊断等操作，提高医疗诊断的准确性和效率。

物流仓储：工业相机可以用于物流仓储，将其拍摄的图像通过SDK转为OPENCV的MAT图像后，可以使用图像处理技术对物流仓储过程进行监控、管理、智能化等操作，提高物流仓储效率和安全性。

视频监控：工业相机可以用于视频监控，将其拍摄的图像通过SDK转为OPENCV的MAT图像后，可以使用图像处理技术对视频图像进行分析、识别、跟踪等操作，实现智能化视频监控。