OpenCV实践之路——opencv调试利器ImageWatch的安装使用

55 篇文章 205 订阅
45 篇文章 6 订阅


本文由@星沉阁冰不语出品,转载请注明作者和出处。

文章链接:http://blog.csdn.net/xingchenbingbuyu/article/details/50708126

微博:http://weibo.com/xingchenbing 


Opencv自带文档和教程应该好好利用。以前不知道怎么用,随着学习的深入,以前不知如何下手的东西现在都慢慢地清晰了起来。今天按照opencv的自带教程尝试了IamgeWatch插件的用法,非常好用,非常强大。下面的内容主要是参考下面的文档:

Image Watch: viewing in-memory images in the Visual Studio debugger

看原文估计会更好,这里只是简单的做个记录。

首先到这里下载IamgeWatch插件:IamgeWatch。这是一个 .vsix文件 (Visual Studio Extension)。然后双击安装,重启VS。

然后建立一个控制台项目,复制下面的代码:

// Test application for the Visual Studio Image Watch Debugger extension

#include <iostream>                        // std::cout
#include <opencv2/core/core.hpp>           // cv::Mat
#include <opencv2/imgcodecs/imgcodecs.hpp>     // cv::imread()
#include <opencv2/imgproc/imgproc.hpp>     // cv::Canny()

using namespace std;
using namespace cv;

void help()
{
    cout
        << "----------------------------------------------------" << endl
        << "This is a test program for the Image Watch Debugger " << endl
        << "plug-in for Visual Studio. The program loads an     " << endl
        << "image from a file and runs the Canny edge detector. " << endl
        << "No output is displayed or written to disk."
        << endl
        << "Usage:"                                               << endl
        << "image-watch-demo inputimage"                          << endl
        << "----------------------------------------------------" << endl
        << endl;
}

int main(int argc, char *argv[])
{
    help();

    if (argc != 2)
    {
        cout << "Wrong number of parameters" << endl;
        return -1;
    }

    cout << "Loading input image: " << argv[1] << endl;
    Mat input;
    input = imread(argv[1], IMREAD_COLOR);

    cout << "Detecting edges in input image" << endl;
    Mat edges;
    Canny(input, edges, 10, 100);

    return 0;
}
Build或者F7。

然后再Mat edges处设置断点,如下图:




选择View ‣ Other Windows ‣ Image Watch打开IamgeWatch,运行程序,结果如下所示:





可以看到IamgeWatch左边是input和edges的缩略图和基本信息,包括宽、高、通道数等。而edges此时的状态是invalid,因为它的构造函数还没开始运行。

当鼠标在大图上移动的时候还能看到鼠标所在的图像位置的坐标和像素值。如果放大图像看的时候会有惊喜,我先放大这只猫的眼睛,是这样的:





继续放大。。。




看到了每一点的三通道像素值!图像在我们眼前变得更加清晰,对于理解图像的结构和编程的帮助无疑是巨大的。

然后我们继续探索,F10单步执行。按一下F10会发现edges的状态由invalid变成了empty。




这是因为Mat edges已经被执行,edges被创建但是还没有初始化。所以为空。再次F10:





可以看到edges终于有了内容,是对蓝眼睛喵星人的边缘提取。还是放大眼睛,我们看到了。。。。二维码。。。





继续放大:





原来边缘提取之后得到的是个二值图像啊!

如果在图像上右键把Link Views勾选,那么两张图就可以同步放大缩小,放大其一再去看另一张图,发现另一张图也放大到了同一位置。

更多的用法还得自己在实践中慢慢探索。

  • 3
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
opencv是一个开源的计算机视觉库,opencv2.4.9是其中的一个版本。在opencv2.4.9中,有一个模块叫做stitching,用于图像拼接。 图像拼接是将多张图像按照一定的顺序和方式进行合并,形成一张更大视野覆盖范围的图像。拼接的过程需要解决图像间的重叠区域匹配、图像变换与叠加等问题。 在opencv2.4.9的stitching模块中,主要有以下几个重要的类: 1. Stitcher类:拼接器类,用于执行拼接的主要操作。它提供了一系列的方法,如设置拼接的模式、添加要拼接的图像等。 2. FeaturesFinder类:特征点检测类,用于在图像中寻找特征点。该类利用SIFT、SURF等算法来检测图像中的关键点,以便进行匹配。 3. FeaturesMatcher类:特征点匹配类,用于对图像中的特征点进行匹配。该类使用KNN算法进行特征点的匹配,并利用RANSAC算法进一步筛选特征点,剔除误匹配。 4. Estimator类:变换估计类,用于估计图像间的变换参数。该类可以通过特征点的对应关系,计算图像间的旋转矩阵、平移矩阵等变换参数。 5. Blender类:图像融合类,用于将拼接后的图像进行融合。该类可以进行多种融合方式,如线性融合、多频融合等。 通过以上的类和方法,opencv2.4.9的stitching模块能够完成图像拼接的过程。整个过程包括特征点检测、特征点匹配、变换参数估计和图像融合等步骤。 需要指出的是,本文只是对opencv2.4.9的stitching模块进行了初步的介绍,具体的源码分析需要深入研究。整个源码工程庞大,包含很多细节和算法,需要对计算机视觉和图像处理有较深入的理解才能进行分析和改进。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值