利用飞腾派进行OpenCV开发

实验目标：

完成飞腾平台OpenCV开发。

实验大纲：

  1. Mat数据结构
  2. 加载、显示、保存图像
  3. 读写像素
  4. RGB图像分离
  5. 彩色图转灰度图

  1. Mat数据结构

Mat是一个类，由两个数据部分组成：矩阵头(大小,通道,数据类型等)和数据块(像素
值)。创建示例如下：

Mat img;   //创建无初始化矩阵
Mat img1(2, 3, CV_8UC1); //创建2行3列，类型为8位的单通道矩阵
Mat img2(Size(2, 3), CV_8UC1); //创建大小为2x3类型为8位的3通道矩阵
Mat img3(Size(2, 3), CV_8UC3, Scalar(0, 255, 0));//创建大小为2x3类型为8位的3通道矩阵
Mat img4(Size(2, 3), CV_8UC1, Scalar(0, 255, 0)); //创建大小为2x3类型为8位的单通道矩阵
Mat img5(img4); //将img4赋值给img5，共享数据对象

实验任务：

请创建一个指定大小Size、指定类型type的图像矩阵的矩阵体，并打印输出（2min）

1.1、头文件

#include "opencv2/opencv.hpp"#include <iostream>using namespace cv;using namespace std;

1.2 main函数

	int main()
{Point pt;pt.x = 10;pt.y = 20;cout<<pt<<endl;Rect rect(10, 20, 10, 10);cout<<rect<<endl;int sz[3] = {2,2,2};Mat M(3,sz,CV_8U,Scalar::all(0));//Mat img = imread("1.jpg");//cout<<img<<endl;//Mat img;   //Mat img1(2, 3, CV_8UC1);//Mat img2(Size(2, 3), CV_8UC1);//Mat img3(Size(2, 3), CV_8UC3, Scalar(0, 255, 0));//Mat img4(Size(2, 3), CV_8UC1, Scalar(0, 255, 0));Mat img = imread("1.png");Mat img2(img);Mat img3 = img;Mat img4 = img.clone();Mat img5;img.copyTo(img5);//cvtColor(img, img, CV_BGR2Lab);imshow("img", img);imshow("img2", img2);imshow("img3", img3);imshow("img4", img4);imshow("img5", img5);waitKey(0);
}

.3、编译、运行

#g++ main.c -o main `pkg-config --cflags --libs opencv4`
#./main

2，加载、显示、保存图像

2.1、头文件

#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include<iostream>using namespace cv;
using namespace std;

2.2、main函数

int main()
{Mat Img = imread("/home/phytium/opencv_text/tuanzi.png");if(Img.empty()){cout<<"read image error!"<<endl;return 0;}imshow("img", Img);imwrite("tuan.bmp", Img);waitKey(0);
}

2.3、编译、运行

#g++ main.c -o main `pkg-config --cflags --libs opencv4`
#./main

3、读写像素

3.1 、头文件

#include "opencv2/opencv.hpp"
#include <iostream>
using namespace std;
using namespace cv;

 3.2、main文件

int main()
{///动态地址访问//Mat img = imread("1.jpg");//imshow("src", img);//Mat dst = img.clone();//int rowNumber = img.rows;  //获取行数//int colNumber = img.cols;  //获取列数//for(int i = 0; i<rowNumber; i++)//{//	for(int j = 0; j<colNumber; j++)//	{//		dst.at<Vec3b>(i, j)[0] = 255;  //蓝色通道//		dst.at<Vec3b>(i, j)[1] = 0;  //绿色通道//		dst.at<Vec3b>(i, j)[2] = 0;  //红色通道//	}//}//imshow("dst", dst);//waitKey(0);//指针访问
/*Mat img = imread("/home/phytium/opencv_text/1.jpg");imshow("src", img);Mat dst = img.clone();int rowNumber = img.rows;  //获取行数int colNumber = img.cols * img.channels();  //获取每一行的元素for(int i = 0; i<rowNumber; i++){uchar* data = dst.ptr<uchar>(i);  //获取每一行首地址for(int j = 0; j<colNumber; j++){switch(j % 3){case 0:  //蓝色通道data[j] = 255;break;case 1:  //绿色通道data[j] = 0;break;case 2:  //红色通道data[j] = 255;break;}}}imshow("dst", dst);waitKey(0);
*/waitKey(0);}///雪花效果Mat img = imread("/home/phytium/opencv_text/1.jpg");imshow("src", img);Mat dst = img.clone();int rowNumber = img.rows;  //获取行数int colNumber = img.cols;  //获取列数int i, j;for(int k = 0; k< 2000; k++){i = rand() % rowNumber; //产生0~rowNumber之间的随机整数j = rand() % colNumber; dst.at<Vec3b>(i, j)[0] = 255;  //蓝色通道dst.at<Vec3b>(i, j)[1] = 255;  //绿色通道dst.at<Vec3b>(i, j)[2] = 255;  //红色通道}imshow("dst", dst);

3.3、编译运行 

#g++ main.c -o main `pkg-config --cflags --libs opencv4`
#./main

4、RGB图像分离

4.1、头文件

#include "opencv2/opencv.hpp"using namespace cv;
using namespace std;

 4.2、main函数

4.2.1.split()函数
int main()
{Mat img = imread("/home/phytium/opencv_text/1.jpg");Mat dst;vector<Mat> channels;split(img, channels);Mat blueChannel = channels.at(0);Mat greenChannel = channels.at(1);Mat redChannel = channels.at(2);merge(channels, dst);//imshow("Blue", blueChannel);//imshow("green", greenChannel);//imshow("red", redChannel);imshow("dst", dst);waitKey(0);}
 4.2.2自实现
void own_split_kernel(uint8_t* r, uint8_t* g, uint8_t* b, uint8_t* rgb, int size){for(int i=0; i<size; ++i){b[i] = rgb[3*i];g[i] = rgb[3*i + 1];r[i] = rgb[3*i + 2];}
}void own_rgb_split(Mat src){int size = src.rows * src.cols;uint8_t *rgb = src.data;uint8_t* r = (uint8_t*)malloc(sizeof(uint8_t) * size);uint8_t* g = (uint8_t*)malloc(sizeof(uint8_t) * size);uint8_t* b = (uint8_t*)malloc(sizeof(uint8_t) * size);own_split_kernel(r, g, b, rgb, size);free(r);free(g);free(b);
}int main(int argc, char** argv){Mat img = cv::imread("/home/phytium/opencv_text/person.png");own_rgb_split(img);return 0;
}

 4.3、编译、运行

#g++ main.c -o main `pkg-config --cflags --libs opencv4`
#./main

5、彩色图转灰度图 

5.1、头文件

#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include<iostream>using namespace cv;
using namespace std;

5.2、main函数

5.2.1、cvtColor函数
int main()
{Mat Img = imread("/home/phytium/opencv_text/tuanzi.png");if(Img.empty()){cout<<"read image error!"<<endl;return 0;}Mat dstImg;imshow("img", Img);cvtColor(Img,dstImg,COLOR_BGR2GRAY);imshow("Gray Img", dstImg);waitKey(0);
}
 5.2.2、自实现
//origin
void RGB2Y(unsigned char *Src, unsigned char *Dest, int Width, int Height, int Stride) {for (int Y = 0; Y < Height; Y++) {unsigned char *LinePS = Src + Y * Stride;unsigned char *LinePD = Dest + Y * Width;for (int X = 0; X < Width; X++, LinePS += 3) {LinePD[X] = int(0.114 * LinePS[0] + 0.587 * LinePS[1] + 0.299 * LinePS[2]);}}
}int main() {Mat src = imread("/home/phytium/opencv_text/1.jpg");int Height = src.rows;int Width = src.cols;int Stride = Width*3;unsigned char *Src = src.data;unsigned char *Dest1 = new unsigned char[Height * Width];RGB2Y(Src, Dest1, Width, Height, Stride);Mat dst(Height, Width, CV_8UC1, Dest1);imshow("origin", src);imshow("result1", dst);waitKey(0);return 0;
}

5.3、编译、运行 

#g++ main.c -o main `pkg-config --cflags --libs opencv4`
#./main

 实验中遇到问题找到的解决方法：

遇到命令行错行问题：改设置——

运行cpp文件，进入SHH;输入   ifconfig   找host:192.168.195.87  

 `pkg-config --cflags --libs opencv4` 被当作一个文件名来处理，而不是作为一个命令来执行。要正确使用 `pkg-config`，需要将其放在反引号或 `$()` 中，以便在命令执行时获取其输出。修正后的命令：


g++ laplace.cpp $(pkg-config --cflags --libs opencv4) -o laplace
 

或者使用反引号：


g++ laplace.cpp `pkg-config --cflags --libs opencv4` -o laplace

`$(...)` 或 `` `...` `` 是命令替换的语法，它会执行括号内的命令并将输出结果替换到命令中。
`pkg-config --cflags --libs opencv4` 会返回 OpenCV 的编译和链接所需的标志。

运行命令：

在终端中运行修正后的命令后，应该能够成功编译 `laplace.cpp` 文件并生成可执行文件 `laplace`。如果仍然遇到问题，请确保你已经安装了 OpenCV 和 pkg-config，并且 OpenCV 的 pkg-config 文件在系统的路径中。

 使用cat命令查看：

g++ -o laplace src/backend/main.cpp `pkg-config --cflags --libs opencv4`

然后运行：

./laplace 

 

在VScode下载SHH插件即可连接远程文件：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/web/55952.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

SQL Server-导入和导出excel数据-注意事项

SQL Server-导入和导出excel数据-注意事项

环境&#xff1a; win10&#xff0c;SQL Server 2008 R2 之前写过的放在这里&#xff1a; SqlServer_陆沙的博客-CSDN博客 https://blog.csdn.net/pxy7896/category_12704205.html 最近重启ASP.NET项目&#xff0c;在使用sql server导出和导入数据时遇到一些问题&#xff0c;特…
阅读更多...
SDRAM控制器的设计与验证(野火学习笔记)

SDRAM控制器的设计与验证(野火学习笔记)

SDRAM发展至今已历经五代&#xff0c;具有单位存储量大、高数据带宽、读写速度快、价格相对便宜等优点。同时&#xff0c;作为内存条中不可缺少的有一部分&#xff0c;SDRAM在计算机领域也占有一席之地。 &#xff08;SDRAM的内容以及操作时序比较复杂&#xff0c;本文已经尽可…
阅读更多...
计算机毕业设计Python+大模型知识图谱中华古诗词可视化 古诗词智能问答系统 古诗词数据分析 古诗词情感分析 PyTorch Tensorflow LSTM

计算机毕业设计Python+大模型知识图谱中华古诗词可视化 古诗词智能问答系统 古诗词数据分析 古诗词情感分析 PyTorch Tensorflow LSTM

温馨提示&#xff1a;文末有 CSDN 平台官方提供的学长联系方式的名片&#xff01; 温馨提示&#xff1a;文末有 CSDN 平台官方提供的学长联系方式的名片&#xff01; 温馨提示&#xff1a;文末有 CSDN 平台官方提供的学长联系方式的名片&#xff01; 开发技术&#xff1a; 前端…
阅读更多...
Web前端-JavaScript书写位置

Web前端-JavaScript书写位置

一、JavaScript介绍 1.JavaScript 是什么? 是一种运行在客户端(浏览器)的编程语言&#xff0c;实现人机交互效果。 2.作用 &#xff08;1&#xff09;网页特效(监听用户的一些行为让网页作出对应的反馈) &#xff08;2&#xff09;表单验证(针对表单数据的合法性进行判断…
阅读更多...
大语言模型训练

大语言模型训练

大语言模型训练 1.两大问题2.并行训练2.1数据并行2.2模型并行2.3张量并行2.4混合并行 3.权重计算3.1浮点数3.2混合精度训练3.3deepspeed&#xff08;微软&#xff09;3.3.1 ZeRO3.3.2ZeRO-offload 3.3总结 4.PEFT4.1Prompt TuningPrefix-tuning4.2P-tuning & P-tuning v2 5…
阅读更多...
sentinel dashboard分布式改造落地设计实现解释(二)-分布式discovery组件

sentinel dashboard分布式改造落地设计实现解释(二)-分布式discovery组件

discovery discovery负责维护app/机器资料库&#xff0c;transport健康检测&#xff0c; transport上下线处理。discovery关键是分布式存储&#xff0c;后续研究一下raft&#xff0c;其复制&#xff0c;状态机&#xff0c;快照技术&#xff0c;但个人觉得&#xff0c;discover…
阅读更多...
DBeaver连接Hive教程

DBeaver连接Hive教程

hive shell&#xff1a;通过hive shell来操作hive&#xff0c;但是至多只能存在一个hive shell&#xff0c;启动第二个会被阻塞&#xff0c;也就是说hive shell不支持并发操作。 基于JDBC等协议&#xff1a;启动hiveserver2&#xff0c;通过jdbc协议可以访问hive&#xff0c;hi…
阅读更多...
基于SSM服装定制系统的设计

基于SSM服装定制系统的设计

管理员账户功能包括&#xff1a;系统首页&#xff0c;个人中心&#xff0c;用户管理&#xff0c;服装类型管理&#xff0c;服装信息管理&#xff0c;服装定制管理&#xff0c;留言反馈&#xff0c;系统管理 前台账号功能包括&#xff1a;系统首页&#xff0c;个人中心&#xf…
阅读更多...
git commit / push 报错 文件不存在

git commit / push 报错 文件不存在

1. 错误信息 尝试使用 git restore --staged filename 取消暂存&#xff0c;但是报错 2. 解决方法 进入 当前仓库/.git文件夹内&#xff0c;删除 index.lock 文件 再执行 git restore --staged filename 等操作。
阅读更多...
通过无线路由器连接三菱PLC的设置方法

通过无线路由器连接三菱PLC的设置方法

1.首先设置无线路由器上网方式为DHCP&#xff08;自动获取IP地址&#xff09;。点击保存&#xff0c;然后点击更多功能 2.再点击网络设置-局域网&#xff0c;勾选DHCP服务器&#xff0c;此功能的作用是对局域网内所有设备分配IP地址。 然后保存&#xff1b; 3.再点击系统设置…
阅读更多...
Git极速入门

Git极速入门

git初始化 git -v git config --global user.name "" git config --global user.email "" git config --global credential.helper store git config --global --list省略(Local) 本地配置&#xff0c;只对本地仓库有效–global 全局配置&#xff0c;所有…
阅读更多...
云计算实验1——基于VirtualBox的Ubuntu安装和配置

云计算实验1——基于VirtualBox的Ubuntu安装和配置

实验步骤 1、VirtualBox的安装 本实验使用VirtualBox-7.0.10 进行演示。对于安装包&#xff0c;大家可以前往 VirtualBox官网下载页面(https :/ / www. virtualbox.org/wiki/Downloads)下载其7.0版本安装包进行安装&#xff0c;或者直接使用QQ群的安装包VirtualBox-7.0.10-15…
阅读更多...
给定一个正整数n随机生成n个字节即生成2n个十六进制数将其组成字符串返回secrets.token_hex(n)

给定一个正整数n随机生成n个字节即生成2n个十六进制数将其组成字符串返回secrets.token_hex(n)

【小白从小学Python、C、Java】 【考研初试复试毕业设计】 【Python基础AI数据分析】 给定一个正整数n 随机生成n个字节 即生成2n个十六进制数 将其组成字符串返回 secrets.token_hex(n) [太阳]选择题 根据题目代码&#xff0c;执行的结果错误的是&#xff1f; import secrets …
阅读更多...
对vue响应式数据的理解（vue基础，面试，源码级讲解）

对vue响应式数据的理解（vue基础，面试，源码级讲解）

首先我们要知道哪些数据可以劫持。 是否可以劫持&#xff1a; 在JavaScript等动态语言中&#xff0c;字符串和数字虽然是基本数据类型&#xff08;也称为原始数据类型&#xff09;&#xff0c;但它们可以包装成对象&#xff08;如String对象和Number对象&#xff09;进行处理。…
阅读更多...
软件测试笔记——接口测试

软件测试笔记——接口测试

文章目录 一、概念1.接口测试流程2.URL3.HTTP协议4.RESTful5.案例介绍 二、Postman1.Postman软件2.登录接口调试-获取验证码3.登录接口调试-自动关联数据4.合同上传接口-提交请求数据5.提交参数查询6.批量执行7.接口用例设计8.断言8.参数化三、案例1.项目2.课程添加3.课程列表查…
阅读更多...
萤石云服务支持云端视频AI自动剪辑生成

萤石云服务支持云端视频AI自动剪辑生成

萤石视频云存储及媒体处理服务是围绕IoT设备云端存储场景下的音视频采集、媒体管理、视频剪辑和分发能力的一站式、专业云服务&#xff0c;并可面向广大开发者提供复杂设备存储场景下的完整技术方案。目前该服务新增了视频剪辑功能&#xff0c;支持将视频片段在云端进行裁剪并拼…
阅读更多...
大数据新视界 --大数据大厂之数据脱敏技术在大数据中的应用与挑战

大数据新视界 --大数据大厂之数据脱敏技术在大数据中的应用与挑战

&#x1f496;&#x1f496;&#x1f496;亲爱的朋友们&#xff0c;热烈欢迎你们来到 青云交的博客&#xff01;能与你们在此邂逅&#xff0c;我满心欢喜&#xff0c;深感无比荣幸。在这个瞬息万变的时代&#xff0c;我们每个人都在苦苦追寻一处能让心灵安然栖息的港湾。而 我的…
阅读更多...
智能取暖桌：以九芯电子NRK3502语音识别芯片提升用户体验

智能取暖桌：以九芯电子NRK3502语音识别芯片提升用户体验

随着科技的不断发展&#xff0c;智能家居市场日益繁荣。智能取暖桌作为其中的一款产品&#xff0c;受到了广大消费者的关注。在智能取暖桌的众多创新中&#xff0c;九芯电子NRK3502语音识别芯片的融入&#xff0c;为用户体验带来了质的飞跃。 首先&#xff0c;NRK3502语音识别芯…
阅读更多...
#每日一题#自动化 2024年10月

#每日一题#自动化 2024年10月

#每日一题#自动化 2024年10月 1、深拷贝和浅拷贝的区别是什么&#xff1f; 参考答案&#xff1a; 深拷贝是将对象本身复制给另一个对象。这意味着如果对对象的副本进行更改时不会影响原对象。在 Python 中&#xff0c;我们使用 deepcopy&#xff08;&#xff09;函数进行深拷贝…
阅读更多...
Vue3——模板引用

Vue3——模板引用

绑定dom组件 defineExpose 可以用来暴露子组件的变量&#xff08;例如 ref 或 reactive&#xff09;和方法。这让父组件可以直接访问子组件的某些状态。 defineExpose 示例 以下是如何通过 defineExpose 暴露变量的示例&#xff1a; <template> <div> <bu…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023