官方tutorial

Win10编译

OpenCV中除了基础部分，还有一个叫openCV_contrib的部分，是其他人贡献的功能，比如说4.5.1版本中微信团队贡献的wechat_qrcode模块，以及sift模块。官方编译的版本中是不包含这个的，因此如果想要使用需要自己编译。
推荐的编译环境是 vs2019，cmake ,这一套组合网上的教程比较多，也是最常用的
知乎编译教程
编译过程中有踩过坑。一个库一般有两个版本，debug和release版本。按照教程中，在cmake中完成了config和generate工作之后，需要打开 vs 进行编译。选择release x64模式对ALL BUILD构建之后，需要对INSTALL进行构建。
使用Release模式编译，得到release版本的库。使用Debug模式编译，将得到debug模式的库，也就是说*d.dll/lib。在这个过程中，可能会报错找不到 python_d.lib，但是无所谓，不影响库的最后生成，可以正常使用，忽略就好。

基本操作

色彩空间转换

using namespace cv;
Mat gray
cvtColor(src, gray, COLOR_BGR2GRAY);
//CV_BGR2XXX、CV_XXX2BGR

灰度图卡阈值

double cv::threshold(InputArray src, OutputArray dst, double thres, double maxval, int type)

Mat binary;
threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);

二值图找边界

函数原型

findContours( InputOutputArray image, OutputArrayOfArrays contours,  
                              OutputArray hierarchy, int mode,  
                              int method, Point offset=Point());

• InputOutputArray 里面可以是二值图或者灰度图，但是一般都是二值图。
• mode 取值

// detect rectangle now
vector<vector<Point>> contours;
vector<Vec4i> hireachy;
findContours(binary.clone(), contours, hireachy, RETR_LIST, CHAIN_APPROX_SIMPLE, Point());

Core Module

Mat

Mat是OpenCV中用来存储图片的基本数据格式。是一个C++类，无需像之前的C中的代码一样，手动管理内存。Mat类中具有Head和Matrix两个部分。Head部分保存了关于矩阵大小，存储方式，矩阵的地址等等信息
需要注意的是，由于图片占用内存空间过的大，一次OpenCV中有一个引用计数系统。在复制的时候，仅仅会复制Mat类中的head（保存Mat相关信息），而不会复制其中保存数据的矩阵。

Mat A, C;                          // creates just the header parts
A = imread(argv[1], IMREAD_COLOR); // here we'll know the method used (allocate matrix)
Mat B(A);                                 // Use the copy constructor
C = A;                                    // Assignment operator

以上的所有Mat中的矩阵指针都指向同一个地址，对任何一个更改都会更改那个矩阵的值。但是他们的header是不同的。可以创建header为所有数据子集的一个Mat，比如说可以利用如下的方式来设置ROI(Region of Interest)

Mat D (A, Rect(10, 10, 100, 100) ); // using a rectangle
Mat E = A(Range::all(), Range(1,3)); // using row and column boundaries

如果要复制整个matrix，必须使用openCV提供的函数cv::Mat::clone()和cv::Mat::copyTo()。

Mat F = A.clone();
Mat G;
A.copyTo(G);

加载图片

#include <opencv2/core.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
using namespace cv;
int main()
{
    std::string image_path = samples::findFile("starry_night.jpg");
    Mat img = imread(image_path, IMREAD_COLOR);
    if(img.empty())
    {
        std::cout << "Could not read the image: " << image_path << std::endl;
        return 1;
    }
    imshow("Display window", img);
    int k = waitKey(0); // Wait for a keystroke in the window
    if(k == 's')
    {
        imwrite("starry_night.png", img);
    }
    return 0;
}

imread函数的第二个参数有三种参数，代表三种读取方式

• IMREAD_COLOR loads the image in the BGR 8-bit format. This is the default that is used here.
• IMREAD_UNCHANGED loads the image as is (including the alpha channel if present)
• IMREAD_GRAYSCALE loads the image as an intensity one

  显式构造Mat

  Mat不仅是图片容器，也是一个很正常的矩阵类型的类，因此可以手动显式地对其进行构造。
  一般的二维矩阵的话，可以直接这样初始化

    Mat M(2,2, CV_8UC3, Scalar(0,0,255));
    cout << "M = " << endl << " " << M << endl << endl;

  
  如果是高维度矩阵的话，可以将第二个参数改成一个数组，但是高维数组没有办法直接用std::cout进行输出。

    int sz[3] = {2,2,2};
    Mat L(3,sz, CV_8UC(1), Scalar::all(0));

  其中CV_8UC3是说该矩阵的数据类型是8位，unsigned/signed，类型（这里是Char），通道数量。
  还可以声明全零，全1，单位阵，利用 cv::Mat::zeros , cv::Mat::ones , cv::Mat::eye这三个函数来进行构造。

    Mat E = Mat::eye(4, 4, CV_64F);
    cout << "E = " << endl << " " << E << endl << endl;
    Mat O = Mat::ones(2, 2, CV_32F);
    cout << "O = " << endl << " " << O << endl << endl;
    Mat Z = Mat::zeros(3,3, CV_8UC1);
    cout << "Z = " << endl << " " << Z << endl << endl;

  Mat中的一些成员变量和函数

  Mat::ptr

  Mat::ptr<Type>(n)会返回矩阵第n行的指针。不过使用的时候也需要比较谨慎，可能在程序运行的时候由于指针的溢出导致程序崩溃

    cv::Mat image = cv::Mat(400, 600, CV_8UC1); //宽400，长600
    uchar * data00 = image.ptr<uchar>(0);
    uchar * data10 = image.ptr<uchar>(1);
    uchar * data01 = image.ptr<uchar>(0)[1];

  Mat::data

  Mat::data会返回第一行第一列的指针，可以通过判断该指针来判断图片是否导入成功

  uchar* p = I.data;
  for( unsigned int i = 0; i < ncol*nrows; ++i)
    *p++ = table[*p];

  Mat::MatIterator_

  Mat::MatIterator_<type>会构造一个迭代器，迭代的步长和其类型有关系。

  Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table)
  {
    // accept only char type matrices
    CV_Assert(I.depth() == CV_8U);
    const int channels = I.channels();
    switch(channels)
    {
    case 1:
        {
            MatIterator_<uchar> it, end;
            for( it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it)
                *it = table[*it];
            break;
        }
    case 3:
        {
            MatIterator_<Vec3b> it, end;
            for( it = I.begin<Vec3b>(), end = I.end<Vec3b>(); it != end; ++it)
            {
                (*it)[0] = table[(*it)[0]];
                (*it)[1] = table[(*it)[1]];
                (*it)[2] = table[(*it)[2]];
            }
        }
    }
    return I;
  }

  Vec3b是针对 uchar类型的三位 vector，还有Vec3f等。

  Mat::beign，Mat::end

  会返回Mat中矩阵的开始和结尾之后的迭代器。

  Mat::depth()

  Mat::depth()会返回这个矩阵中的一个数据类型，比如说CV_8UC1之类。

  Mat::channels()

  Mat::channels()会返回一个int，代表的是该矩阵的通道数。

  size()

  首先size是一个结构体，定义了Mat矩阵内数据的分布形式，数值上有关系式：

  image.size().width==image.cols;        
  image.size().height==image.rows

  clone()

  复制一个新的Mat，防止传引用更改数据。

  QRCode

  QRCodeDetector

  一般的之前都会选择使用ZXing这个开源的条码/二维码检测框架来进行，有人提供了一种二维码检测以及

  WeChatQRCode

  ```cpp

  include

string detect_prototxt = “D:/Code/CppConsole/model/detect.prototxt”; string detect_caffe_model = “D:/Code/CppConsole/model/detect.caffemodel”; string sr_prototxt = “D:/Code/CppConsole/model/sr.prototxt”; string sr_caffe_model = “D:/Code/CppConsole/model/sr.caffemodel”;

// 构建detector wechat_qrcode::WeChatQRCode *decoder = new wechat_qrcode::WeChatQRCode( detect_prototxt, detect_caffe_model, sr_prototxt, sr_caffe_model );

vector vPoints; // 存边界 vector results = decoder->detectAndDecode(img, vPoints); //results里面是解码的结果

```