• OpenCV4 C++学习 必备基础语法知识二


    之前我写过一篇介绍学习OpenCV C++一些前置基础C++11的基础知识,主要是介绍了输出打印、各种常见数据容器,这里又整理了一篇,主要涉及时间计算与格式化输出、各种数据类型之间的相互转换、简单的定义方法与泛型方法定义使用。

    01

    时间计算与转换

    很久以前我写过一篇OpenCV中如何计算程序执行时间的文章,这个一直有效,链接如下:

    https://mp.weixin.qq.com/s/CRzViZv8wY3PQ2uN70AtSA

    这里我们使用C++11,同样可以计算,而且C++11还支持各种日期与系统时间的格式化输出,主要是基于std::chrono包的各种函数应用,这部分的代码演示如下:

    std::cout << "Hello World, C++" << std::endl;// 毫秒std::chrono::milliseconds ms(3);std::cout << ms.count() << std::endl;// 转换为微秒std::chrono::microseconds us = ms * 2;std::cout << us.count() << std::endl;// 计算执行时间auto t1 = std::chrono::system_clock::now();cv::Mat src = cv::imread("D:/images/test.png");cv::Mat gray;cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);auto t2 = std::chrono::system_clock::now();std::cout <<"毫秒数:"<<         std::chrono::duration_cast<std::chrono::milliseconds>(t2 - t1).count() <<         " 微秒数:"<< std::chrono::duration_cast<std::chrono::microseconds>(t2 - t1).count() <<         " 秒数:" << std::chrono::duration_cast<std::chrono::seconds>(t2 - t1).count() << std::endl;

    // 计算当前时间与日期auto t = std::chrono::system_clock::to_time_t(std::chrono::system_clock::now());std::cout << "Current Time: "<<std::put_time(std::localtime(&t), "%Y-%m-%d %H.%M.%S")<< std::endl;

    运行结果如下:

    图片

    支持毫秒、微秒、秒、支持获取系统的当前时间等。

    02

    数值转换

     在OpenCV编程开发中,有时候会读取数据文件,需要把数据从字符(string)类型转为数值(number)类型,常见的有int、float、double、long等类型与string类型的相互转换,这部分的转换主要依赖函数:

    • std::to_string 这个是万能的,我写出了C#与Java的既视感!

    • atoi 转化为整数int类型

    • atof 转换为浮点数float类型

    代码演示如下:

    // 各种字符与数值转换
    double d = 1.234;
    float f = 3.145;
    int i = 314;
    long l = 22;
    std::cout << std::to_string(d) << std::endl;
    std::cout << std::to_string(f) << std::endl;
    std::cout << std::to_string(i) << std::endl;
    std::cout << std::to_string(l) << std::endl;


    // 从string到数值
    const char* str1 = "3.2333";
    const char* str2 = "5.321";
    float f1 = std::atof(str1);
    float f2 = std::atof(str2);
    float f3 = f1 + f2;
    std::cout << f3 << std::endl;


    const char* str3 = "100";
    const char* str4 = "121";
    int i3 = std::atoi(str3) + std::atoi(str4);
    std::cout << i3 << std::endl;

    运行结果如下:

    图片

    此外各种数值类型相互转化,主要依赖static_cast函数,使用如下:

    int a1 = 100;
    float f8 = 20;
    float sum = std::max(static_cast<float>(a1), f8);

    03

    简单的泛型应用

    有时候你看到一些C++的代码中会有template<typename  T>类似的语法,很多小白都直接蒙了,其实这个是现代编译器支持,各种语言都会有的泛型。说白了就是运行期识别。先定义个,到时候传什么类型就是什么类型。OpenCV中的图像数据常见支持uchar与float类型操作,我们以此为例定义一个泛型函数,实现浮点数与字节类型图像数据的遍历与操作,方法定义与代码实现如下:

    template <typename T>
    void pixel_visit_demo(cv::Mat& src, cv::Mat& dst) {
        // 指针读取
        int height = src.rows;
        int width = src.cols;
        int ch = src.channels();
        int blue = 0, green = 0, red = 0;
        int gray;
        for (int row = 0; row < height; row++) {
            T *curr_row = src.ptr<T>(row);
            T *result_row = dst.ptr<T>(row);
            for (int col = 0; col < width; col++) {
                if (ch == 3) {
                    blue = *curr_row++;
                    green = *curr_row++;
                    red = *curr_row++;

                    *result_row++ = 255 - blue;
                    *result_row++ = 255 - green;
                    *result_row++ = 255 - red;
                }
                else if (ch == 1) {
                    gray = *curr_row++;
                    *result_row++ = 255 - gray;
                }
            }
        }
    }

    调用该方法实现浮点数与字节类型的Mat对象操作代码如下:

    // 泛型,处理不同类型的图像数据
     imshow("输入图像", src);
     Mat dst = Mat::zeros(src.size(), src.type());
     pixel_visit_demo<uchar>(src, dst);
     imshow("result-uchar", dst);

     // 处理浮点数图像数据
     src.convertTo(src, CV_32F);
     dst.convertTo(dst, CV_32F);
     pixel_visit_demo<float>(src, dst);
     imshow("result-float", dst/255.0);
     waitKey(0);

    运行结果如下:

    图片

    扫码查看OpenVINO系统化视频教程

    图片

     推荐阅读 

    OpenCV4系统化学习路线图-视频版本!

    Tensorflow + OpenCV4 安全帽检测模型训练与推理

    极简教程 | OpenCV4 C++学习 必备基础语法知识

    OpenCV Python + Tesseract-OCR轻松实现中文识别

    YOLOv5在最新OpenVINO 2021R02版本的部署与代码演示详解

    LesionNet 医疗图像分割网络模型实现皮肤病灶分割

    YOLOv5实现自定义对象训练与OpenVINO部署全解析

    推理演示 | 八步助你搞定tensorRT C++ SDK调用!

    基于OpenCV+ZXing手工打造,FPS300+的二维码识别库

    深度解读 OpenCV中的VideoCapture视频读取

    极简教程 | OpenCV4 C++学习 必备基础语法知识

    OpenCV学堂 | 2020年 原创技术文章汇总

    经验 | OpenCV图像旋转的原理与技巧

    汇总 | OpenCV DNN模块中支持的分类网络

    汇总 | OpenCV DNN支持的对象检测模型

    汇总 | OpenCV4中的非典型深度学习模型

  • 相关阅读:
    pyVmomi入门
    一个简单的web框架实现
    H3C交换配置PBR最佳实践
    jQuery入门第三
    jQuery入门第二
    JS笔记 入门第四
    JS笔记 入门第三
    JS笔记 入门第二
    day16
    python之路-DAY10
  • 原文地址:https://www.cnblogs.com/shuimuqingyang/p/14803002.html
Copyright © 2020-2023  润新知