标签：gray nano img OpenCV int opencv jetson include
前言：
jetson nano前一篇给大家介绍了学习的一些思路和资料，今天继续给大家分享一篇在jetson nano使用opencv的文章。
OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉库。OpenCV是由英特尔公司发起并参与开发，以BSD许可证授权发行，可以在商业和研究领域中免费使用。OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序。
在视觉处理中，opencv使用是基础的部分，所以在板卡使用过程中，opecv使用是第一道关。接下来我给大家介绍一下，在jetson nano里面使用opencv的python版本和c++版本的过程，其中c++使用部分会分别给大家介绍cmake和makefile编译两种方法。
作者：良知犹存
转载授权以及围观：欢迎关注微信公众号：羽林君
或者添加作者个人微信：become_me
oepcv介绍:
OpenCV 的目标是为计算机视觉需要解决的问题提供工具。在某些情况下，函数库中的高级功能可以有效解决计算机视觉中的问题。即使遇到不能够一次性解决的问题，函数库中的基础组件也具有足够的完备性来增强解决方案的性能，以应对任意的计算机视觉难题。
基本功能：
opencv的应用领域非常广泛，包括图像拼接、图像降噪、产品质检、人机交互、人脸识别、动作识别、动作跟踪、无人驾驶，此外，它还提供了机器学习模块，你可以使用正态贝叶斯、K最近邻、支持向量机、决策树、随机森林、人工神经网络等机器学习算法。
注：示例代码参考了其他博主文章。
opencv-python使用:
opencv-python使用比较简单，import导入cv2，这样我们就可以使用opencv-python模块的函数执行我们需要的动作了，下面介绍了一个比较简单的图像转换的demo。
opencv-python安装
pip3 install opencv-python
示例代码：
"""
彩图转灰度图
"""
#import 导入模块，每次使用模块中的函数都要是定是哪个模块。
#from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；注因为已经知道该函数是那个模块中的了
from skimage.color import rgb2gray #skimage图形处理库 color是颜色空间转换子模块 pip install scikit-image
import numpy as np
import matplotlib.pyplot as plt #matlab的python库 pip install matplotlib
from PIL import Image # Python Imaging Library 图像处理库 pip install pillow
import cv2
#图像灰度化
#cv2的方式
img = cv2.imread("/home/lyn/Pictures/318c944a7daa47eaa37eaaf8354fe52f.jpeg")
h,w = img.shape[:2] #获取图片的high和wide
img_gray=np.zeros([h,w],img.dtype) #创建一张和当前图片大小一样的单通道图片
for i in range(h):
for j in range(w):
m = img[i,j]
img_gray[i,j] =int(m[0]*0.11+m[1]*0.59+m[2]*0.3) #将BGR坐标转换为gray坐标
print(img_gray)
print("image show grap:%s"%img_gray)
cv2.imshow("imageshow gray", img_gray)
#plt方式
plt.subplot(221) #表示将整个图像窗口分为2行2列, 当前位置为1.
img = plt.imread("/home/lyn/Pictures/318c944a7daa47eaa37eaaf8354fe52f.jpeg")
plt.imshow(img)
print("----image lenna -----")
print(img)
#灰度化
img_gray = rgb2gray(img)
plt.subplot(222)
plt.imshow(img_gray,cmap="gray")
print("-----image gray-------")
print(img_gray)
#二值化
img_binary = np.where(img_gray >= 0.5, 1, 0)
print("-----imge_binary------")
print(img_binary)
print(img_binary.shape)
#plt方式
plt.subplot(223)
plt.imshow(img_binary, cmap='gray')
plt.show()
opencv c++使用:
opencv-c++安装
一般系统使用opencv 需要我们自己去官网：https://opencv.org，下载自己对应的包，然后camke->make->make install ，直至把编译好的opencv的文件安装到指定目录。
但是在Jetson Nano的镜像包中，预装了opencv4，版本的话是从4.1版本以后的。
我使用命令查询之后，我安装的镜像opencv版本是4.1.1
jetson@jetson-desktop:/usr/include/opencv4/opencv2$ opencv_version
4.1.1
C++下开发Opencv需要进行一些额外的配置，先看一下opencv的头文件位置。
jetson中，opencv的头文件在这个目录 /usr/include/opencv4/，待会要把该目录写如编译链接文件中去。
链接文件位置：
ls libopencv*
具体路径为 /usr/lib/aarch64-linux-gnu，待会也要把该目录写如编译链接文件中去。
在c++开发中，我们一般会使用make工具或者cmake工具，帮助我们进行打包编译，这里我也给大家分享makefle和cmake两种c++调用opencv的库。
makefile
Makefile文件分享，注意这里 LIBS 链接的opencv链接的具体文件，需要一个一个写进去。这里我随便写了几个常用的包，大家可以按照需求自行添加。
OBJS = *.o
CFLAGS = -Wall -g -std=c++11
CC = gcc
CPP = g++
INCLUDES +=-I /usr/include/opencv4/ -I /usr/local/include #编译头文件目录
LIBS += -L/usr/lib/aarch64-linux-gnu -lopencv_core -lopencv_imgcodecs -lopencv_imgproc -lopencv_highgui -lopencv_objdetect #链接具体使用的库
target:${OBJS}
# g++ -o target boost_thread.o -llua -ldl
@echo "-- start " ${CC} ${CFLAGS} ${OBJS} -o $@ ${INCLUDES} ${LIBS}
$(CPP) ${CFLAGS} ${OBJS} -o $@ ${INCLUDES} ${LIBS}
clean:
-rm -f *.o core *.core target
%.o:%.cpp #将src目录下所有的.cpp文件编译成.o文件
${CPP} ${CFLAGS} ${INCLUDES} -c $<
代码show_img.cpp：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main(int argc,char** argv)
{
std::cout<<"hello opencv"<<std::endl;
//灰度图显示
Mat src = imread("/home/jetson/lyn_work/c++/sp_noise.png",IMREAD_GRAYSCALE);//读取进来的数据以矩阵的形势,第二个参数代表显示一张灰度图像。
if (src.empty())
{
std::cout<<"could not load image"<<endl;//如果图片不存在 将无法读取，打印到终端。
}
//超过屏幕的图像无法显示时候调用此函数。
namedWindow("输入窗口", WINDOW_GUI_EXPANDED);//创建了一个新窗口，参数1表示名称，第二个参数代表一个自由的比例
imshow("输入窗口", src);//表示显示在新创建的输入窗口上，第一个参数表示窗口名称，src表示数据对象Mat
waitKey(0);//执行到这句，程序阻塞。参数表示延时时间。单位ms
destroyAllWindows();//销毁前面创建的显示窗口
return 0;
}
编译并执行：
make
./target
cmake
对应CMakeLists.txt文件内容：
cmake编译中，我们使用的链接对应OpenCV动态库文件就不用像Makefile文件那样要一个个添加了，cmake相当与添加了所有的opencv链接文件，这个是很方便的。所以后面cmake的类子里面，我多写了一个范例。
cmake_minimum_required( VERSION 2.8 )
# 声明一个 cmake 工程
project(opencv_learn)
# 设置编译模式
#set( CMAKE_BUILD_TYPE "Debug" )
#添加OPENCV库
#指定OpenCV版本，代码如下
#find_package(OpenCV 4.2 REQUIRED)
#如果不需要指定OpenCV版本，代码如下
find_package(OpenCV REQUIRED)
include_directories(
./src/)
#添加OpenCV头文件
include_directories(${OpenCV_INCLUDE_DIRS})
#显示OpenCV_INCLUDE_DIRS的值
message(${OpenCV_INCLUDE_DIRS})
FILE(GLOB_RECURSE TEST_SRC
#src/*.cpp
#src/*.c
${CMAKE_SOURCE_DIR}/*.cpp
${CMAKE_SOURCE_DIR}/*.cp
)
# 添加一个可执行程序
# 语法：add_executable( 程序名 源代码文件 ）
add_executable(target show_img.cpp ${TEST_SRC})
# 将库文件链接到可执行程序上
target_link_libraries(target ${OpenCV_LIBS})
执行cmake编译：
mkdir build
cmake ..
make
demo1 ：使用了和make示例同样的show_img.cpp代码文件，内容参考上面：
./target
demo2 ：使用C++编程读取CSI摄像头，可以看到已经可以正常的显示视频流图像了，但是由于vnc连接的原因，颜色也有些失真.
CMakeLists.txt增加两行：
add_executable(open_csi open_csi.cpp ${TEST_SRC})
target_link_libraries(open_csi ${OpenCV_LIBS})
open_csi.cpp代码文件如下：
#include <iostream>
#include <string>
#include <opencv4/opencv2/opencv.hpp>
#include <opencv4/opencv2/core.hpp>
#include <opencv4/opencv2/highgui.hpp>
#include <opencv4/opencv2/imgproc.hpp>
#include <opencv4/opencv2/objdetect.hpp>
#include <opencv4/opencv2/imgproc/types_c.h>
#include <opencv4/opencv2/videoio.hpp>
using namespace std;
using namespace cv;
string gstreamer_pipeline (int capture_width, int capture_height, int display_width, int display_height, int framerate, int flip_method)
{
return "nvarguscamerasrc ! video/x-raw(memory:NVMM), width=(int)" + to_string(capture_width) + ", height=(int)" +
to_string(capture_height) + ", format=(string)NV12, framerate=(fraction)" + to_string(framerate) +
"/1 ! nvvidconv flip-method=" + to_string(flip_method) + " ! video/x-raw, width=(int)" + to_string(display_width) + ", height=(int)" +
to_string(display_height) + ", format=(string)BGRx ! videoconvert ! video/x-raw, format=(string)BGR ! appsink";
}
int main( int argc, char** argv )
{
int capture_width = 1280 ;
int capture_height = 720 ;
int display_width = 1280 ;
int display_height = 720 ;
int framerate = 60 ;
int flip_method = 0 ;
//创建管道
string pipeline = gstreamer_pipeline(capture_width,
capture_height,
display_width,
display_height,
framerate,
flip_method);
std::cout << "使用gstreamer管道: \n\t" << pipeline << "\n";
//管道与视频流绑定
VideoCapture cap(pipeline, CAP_GSTREAMER);
if(!cap.isOpened())
{
std::cout<<"打开摄像头失败."<<std::endl;
return (-1);
}
//创建显示窗口
namedWindow("CSI Camera", WINDOW_AUTOSIZE);
Mat img;
//逐帧显示
while(true)
{
if (!cap.read(img))
{
std::cout<<"捕获失败"<<std::endl;
break;
}
int new_width,new_height,width,height,channel;
width=img.cols;
height=img.rows;
channel=img.channels();
//调整图像大小
new_width=640;
if(width>800)
{
new_height=int(new_width*1.0/width*height);
}
resize(img, img, cv::Size(new_width, new_height));
imshow("CSI Camera",img);
int keycode = cv::waitKey(30) & 0xff ; //ESC键退出
if (keycode == 27) break ;
}
cap.release();
destroyAllWindows() ;
}
显示效果如截图所示：
结语
这就是我对jetson nano使用opencv的基础分享，后面我们就可以基于opencv做一些更有意思的项目了，比如人脸识别，物体识别，姿态识别等等。如果大家有更好的想法和需求，也欢迎大家加我好友交流分享哈。
作者：良知犹存，白天努力工作，晚上原创公号号主。公众号内容除了技术还有些人生感悟，一个认真输出内容的职场老司机，也是一个技术之外丰富生活的人，摄影、音乐 and 篮球。关注我，与我一起同行。
‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧ END ‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧
推荐阅读
【3】CPU中的程序是怎么运行起来的 必读
本公众号全部原创干货已整理成一个目录，回复[ 资源 ]即可获得。
标签：gray,nano,img,OpenCV,int,opencv,jetson,include 来源： https://www.cnblogs.com/conscience-remain/p/15838439.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。