1. 在VS2022上安装QT VS Tools
1.1 安装QT VS Tools插件
进入VS2022然后依次点击：Extensions > Manage Extensions from the IDE menu, 然后搜索 “qt”。找到Qt Visual Studio Tools后，安装即可。
1.2 在windows下安装你ubuntu下对应版本的QT
当我完成1.1 安装好vs2022下的qt插件后,重启vs2022插件生效，但是发现无法配置qt的路径
然后我到qt官网查了一下，说是只安装插件还不够，还需要在windows下也装一个qt软件；
因为我ubuntu下用的是qt5.9.2，所以我进入qt的官网https://download.qt.io/archive/qt/5.9/5.9.2/，为windows也下载一个qt5.9.2的windows安装包并安装，下载这个就行：qt-opensource-windows-x86-5.9.2.exe
等待下载：
然后双击安装
安装路径建议非C盘就行，我安装到了G:\Qt\Qt5.9.2
有关组件配置的，我一共选了三项（注意，务必选上msvc2017 64-bit，否则在vs2022中是无法正常为qt vs tool配置qt的路径的，后面我折腾了半天，最后还是要卸载qt重装，这里我第一次忘记√了…）
然后依次点击下一步等待安装成功
安装成功了
1.3 为vs2022配置qt环境
进入vs2022，系统会弹出让我们：Qt visual Studio Tools — You must select a Qt version to use for development. Select Qt version…
也就是选择一个qt版本，这里我们依次设置版本号为5.9.2，然后有一个path要设置
其实就是在找qmake.exe在的位置，我的qmake.exe在这里G:\Qt\Qt5.9.2\5.9.2\mingw53_32\bin
点击ok就设置好了
但是我发现添加了qt的路径点ok后并没有添加成功，搜索了一下，说是要我更新一下vs2022
然后我点击右下角的小铃铛
点击update on close，然后关闭vs2022，然后会自动进入更新程序的界面，等待更新成功就行了
安装好后点击启动
结果重启还是不行，看来是qt安装的时候少安装了东西，我要安装一点其他东西
找到你的MaintenanceTool.exe
就在qt的安装目录下
双击打开
skip 然后选中添加或移除组件然后下一步
结果提示我“要继续此操作，至少需要一个有效且已启用的储存库”
然后点设置-储存库-临时储存库
注意：手动添加储存库要定位一个储存有QT在线安装镜像的地址
（网址：http://download.qt.io/static/mirrorlist/）这个网站，显示了各国的qt镜像站点，中国有四个，我用的是清华的站，点击HTTP会进入一个网络文件夹。
然后依次进入/online/qtsdkrepository/windows_x86/root/qt/ 最终的文件夹显示如下，在这个界面复制一下当前地址框地址，也就是：
https://mirrors.tuna.tsinghua.edu.cn/qt/online/qtsdkrepository/windows_x86/root/qt/
然后把网址添加进去
然后点击一下测试看看能不能成功
这样就是没问题的
然后点ok，然后这个窗口会关闭，然后就可以增量式安装qt的其他包了
等待加载完成
我等待了半个小时，一直是99%，然后我重新加载了一下，居然失败了。我还是把qt卸载了重装吧…
https://mirrors.ustc.edu.cn/qtproject/online/qtsdkrepository/windows_x86/root/qt/
我卸载qt
双击qt的安装包，重新安装qt
依次下一步
这是我的选择
选择同意后安装
等待安装成功
安装成功了
发现现在解决了插件的qt路径问题，但是还是无法导出qt的.pro文件（后面发现我需要新建工程文件并且设置qt的工程文件才能使用这个插件，这里我傻了，我想直接把老的vs2022的工程文件直接导出qt文件…人家插件没那么智能！），Qt的部分功能不可用，是灰色的
接下来找到这个程序Opencvtry.vcxproj你的也是以.vcxproj结尾的，用记事本打开这个文件
找到关键字Keyword
将内容更改为Qt4VSv1.0即可
重新打开vs2022结果还是灰色的，没用
我终于知道了，其实我是安装成功了的，我重新建了一个工程文件qt插件的功能就是好的了
1.3 在vs2022中创建可以迁移到qt的工程文件，并将win10下的工程文件迁移到ubuntu下；
1.3.1.1 在vs2022中创建可以迁移到qt的工程文件，案例1：以用opencv打开一张图片为例
新建一个项目
选择第一个就行，然后next
取个名字，然后create
然后添加一下之前配置好的opencv各个依赖链接的配置（这部分细节可以看这个教程）
然后添加之前我保存的配置（这个操作可以让我们每次新建一个文件不需要都通通重新配置一下opencv的链接）我之前放到了这里C:\Users\52595\source\repos\Opencv_Property_sheet
把这张图片01.jpg放到这个工程文件夹下
这个程序是用opencv打开一张图片
#include <QtCore/QCoreApplication>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main(int argc, char *argv[])
{
QCoreApplication a(argc, argv);
string path = "01.jpg";
Mat img = imread(path);
imshow("Image", img);
waitKey(0);
return a.exec();
}
然后运行一下
可以成功运行
1.3.2 在vs2022中利用Qt vs tool 创建可以迁移到qt的工程文件
依次打开：插件->Qt vs tool->Create Basic .pro File…
->ok
->保存
点击保存就创建好了
进入文件夹中看到多了这两个文件
QtConsoleApplicationtest_1.pri
QtConsoleApplicationtest_1.pro
如果用这个Export Project to .pri File...
发现也是生成一个QtConsoleApplicationtest_1.pri文件
接下来我们把这个文件拿到ubuntu下去试试
进入ubuntu18.04，然后打开qt
open project
然后打开刚刚从win10下vs2022中的qt项目
点击configure project
接下来就打开了整个工程文件
接下来我们要对QtConsoleApplicationtest_1.pro文件进行一些修改（主要是为它添加ubuntu下opencv相关的库、引用等）
主要改动是在最后一行添加：
INCLUDEPATH +="usr/local/include/" #为了让qt能找到你ubuntu系统中的一些库
#LIBS +=`pkg-config --cflags --libs opencv` #我看到网上有教程说这样可以，但是我测试这个不行
LIBS += /usr/local/lib/libopencv_highgui.so \ #主要是引入opencv的库，如果你安装过程和我上一次教程一致，那就没问题
/usr/local/lib/libopencv_core.so \
/usr/local/lib/libopencv_imgproc.so \
/usr/local/lib/libopencv_imgcodecs.so
然后把程序编译一下，进入main.cpp文件->build->run qmake
然后运行编译后的程序：点击左下角的绿色三角形
大功告成，完成了第一个程序的迁移！（_）
（备注，在qt里面，像视频、图片，路径最好用绝对路径，否则很可能无法运行！）
1.3.1.2 在vs2022中创建可以迁移到qt的工程文件，案例2：把一个opencv模板匹配的程序从win10下的vs2022迁移到ubuntu的qt5.9.2
1.我打开了原本vs2022下的程序（当前我的环境是Opencv_tutorial.sln工程文件），接下来我要将它变成qt工程文件
2.新建一个project
4.选择Qt Console Application的C++
5.然后点右下角的next，然后设置好project name、文件放置的位置，然后点击右下角create
要注意，文件名、路径名不要太长了否则建不起来
我改了一下，
qt的界面出来了
点击next，这里我选择了debug，然后点finish
到此，在vs2022下创建了qt的c++环境
左边是vs2022的工程文件，右边是vs2022的qt环境下的c++工程文件
接下来我要把左边的代码迁移到右边
首先为右边配置一下opencv的环境C:\Users\52595\source\repos\Opencv_Property_sheet
左边的对视频进行模板匹配.cpp代码：
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace std;
using namespace cv;
/// 全局变量
Mat img; Mat templ; Mat result;
//char* image_window = "Source Image";
//char* result_window = "Result window";
#define image_window "Source Image" //为窗口标题定义的宏
#define result_window "Result window" //为窗口标题定义的宏
int match_method;
int max_Trackbar = 5;
/// 函数声明
// 模板匹配
void MatchingMethod(int, void*)
{
// 用于显示结果
Mat img_display;
img.copyTo(img_display);//img_display=img
// 用于存储匹配结果的矩阵
int result_cols = img.cols - templ.cols + 1;
int result_rows = img.rows - templ.rows + 1;
result.create(result_cols, result_rows, CV_32FC1);
// 进行模板匹配
matchTemplate(img, templ, result, match_method);
// 归一化结果（方便显示结果）
normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());
// 找到最佳匹配位置
double minVal;
double maxVal;
Point minLoc;
Point maxLoc;
Point matchLoc;
minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, Mat()); // 寻找result中的最大和最小值，以及它们所处的像素位置
// 使用SQDIFF和SQDIFF_NORMED方法时：值越小代表越相似
// 使用其他方法时：值越大代表越相似
if (match_method == CV_TM_SQDIFF || match_method == CV_TM_SQDIFF_NORMED)
{
matchLoc = minLoc;
}
else
{
matchLoc = maxLoc;
}
// 显示匹配结果
rectangle(img_display, matchLoc, Point(matchLoc.x + templ.cols, matchLoc.y + templ.rows), Scalar::all(0), 2, 8, 0);
rectangle(result, matchLoc, Point(matchLoc.x + templ.cols, matchLoc.y + templ.rows), Scalar::all(0), 2, 8, 0);
imshow(image_window, img_display);
imshow(result_window, result);
}
int main(int argc, char** argv)
{
string path = "./演示.mp4";
VideoCapture capture(path);
//VideoCapture capture(0);
templ = imread("4.jpg"); //目标图像
while (1)
{
// 读图片
capture >> img;
// 创建图像显示窗口
namedWindow(image_window, CV_WINDOW_AUTOSIZE);
namedWindow(result_window, CV_WINDOW_AUTOSIZE);
// 创建混动条
char trackbar_label[109] = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";
// char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";
createTrackbar(trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod);
MatchingMethod(0, 0);
waitKey(1);
}
return 0;
}
右边的main.cpp代码：
#include <QtCore/QCoreApplication>
int main(int argc, char *argv[])
{
QCoreApplication a(argc, argv);
return a.exec();
}
然后依次把左边的头文件、自定义的函数、主函数中的内容往右边搬
最后右边的样子
#include <QtCore/QCoreApplication>
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace std;
using namespace cv;
/// 全局变量
Mat img; Mat templ; Mat result;
//char* image_window = "Source Image";
//char* result_window = "Result window";
#define image_window "Source Image" //为窗口标题定义的宏
#define result_window "Result window" //为窗口标题定义的宏
int match_method;
int max_Trackbar = 5;
/// 函数声明
// 模板匹配
void MatchingMethod(int, void*)
{
// 用于显示结果
Mat img_display;
img.copyTo(img_display);//img_display=img
// 用于存储匹配结果的矩阵
int result_cols = img.cols - templ.cols + 1;
int result_rows = img.rows - templ.rows + 1;
result.create(result_cols, result_rows, CV_32FC1);
// 进行模板匹配
matchTemplate(img, templ, result, match_method);
// 归一化结果（方便显示结果）
normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());
// 找到最佳匹配位置
double minVal;
double maxVal;
Point minLoc;
Point maxLoc;
Point matchLoc;
minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, Mat()); // 寻找result中的最大和最小值，以及它们所处的像素位置
// 使用SQDIFF和SQDIFF_NORMED方法时：值越小代表越相似
// 使用其他方法时：值越大代表越相似
if (match_method == CV_TM_SQDIFF || match_method == CV_TM_SQDIFF_NORMED)
{
matchLoc = minLoc;
}
else
{
matchLoc = maxLoc;
}
// 显示匹配结果
rectangle(img_display, matchLoc, Point(matchLoc.x + templ.cols, matchLoc.y + templ.rows), Scalar::all(0), 2, 8, 0);
rectangle(result, matchLoc, Point(matchLoc.x + templ.cols, matchLoc.y + templ.rows), Scalar::all(0), 2, 8, 0);
imshow(image_window, img_display);
imshow(result_window, result);
}
int main(int argc, char *argv[])
{
QCoreApplication a(argc, argv);
string path = "./演示.mp4";
VideoCapture capture(path);
//VideoCapture capture(0);
templ = imread("4.jpg"); //目标图像
while (1)
{
// 读图片
capture >> img;
// 创建图像显示窗口
namedWindow(image_window, CV_WINDOW_AUTOSIZE);
namedWindow(result_window, CV_WINDOW_AUTOSIZE);
// 创建混动条
char trackbar_label[109] = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";
// char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";
createTrackbar(trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod);
MatchingMethod(0, 0);
waitKey(1);
}
return a.exec();
return 0;
}
然后确保右边的程序可以运行
然后将程序导出qt的.pro文件
点击ok
确定保存
现在我的文件夹中多了这两个文件
接下来到ubuntu里去试试qt
首先打开qt
然后open project，然后打开之前在win10下vs2022中通过Qt vs tool转换得到的.pro文件
点击open后，点击configure figure
接下来我们要对template_matching_qt.pro文件进行一些修改（主要是为它添加ubuntu下opencv相关的库、引用等）
INCLUDEPATH +="usr/local/include/" #为了让qt能找到你ubuntu系统中的一些库
#LIBS +=`pkg-config --cflags --libs opencv` #我看到网上有教程说这样可以，但是我测试这个不行
LIBS += /usr/local/lib/libopencv_highgui.so \ #主要是引入opencv的库，如果你安装过程和我上一次教程一致，那就没问题
/usr/local/lib/libopencv_core.so \
/usr/local/lib/libopencv_imgproc.so \
/usr/local/lib/libopencv_imgcodecs.so
注意，如果出现中文乱码，可以这样解决
现在中文就不乱码了
然后我编译一下，这里报错Project MESSAGE: You are running qmake on a generated .pro file. This may not work!
qt下无法画红框？
#include <opencv2/video/video.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
#include <iostream>
#include <cstdio>
#include "stdafx.h"
#include <math.h>
using namespace std;
using namespace cv;
Mat frame, gray;//当前帧图片
Mat dst;
Mat prev_frame, prev_gray;//前一帧图片
vector<Point2f> features;//保存特征点
vector<Point2f> inPoints;//初始化特征点
vector<Point2f> fpts[2];//保存当前帧和前一帧的特征点位置 //定义一个一维数组，数组元素的类型是Point2f(2维点, 含xy，浮点类型)
vector<uchar> status;//特征点跟踪标志位
vector<float> err;//误差和
double pixel[550];
int k = 2;//定义optical_flow[k]的
double optical_flow[550];
int const maxCorners = 200;//特征点数量 = fpts[1].size()
double x, y, z;//存放第一帧的位置xy和矩形宽度z
Point2f pointA;//起始点
const double g_dReferWidth=2.3;//mm
double g_dPixelsPerMetric = 10;//每毫米多少像素
double distance1;
Scalar scalarL = Scalar(0, 25, 0);
Scalar scalarH = Scalar(26, 150, 255);
int flag_start = 0;//确定开始检测的flag
bool flag_firstframe = true;//确定开始检测第一帧的flag
bool flag_end = false;
void delectFeature(Mat &inFrame, Mat &ingray);//角点检测
//void drawFeature(Mat &inFrame);//画点
void track();//运动
void drawLine();//画运动轨迹
// Point2f midpoint(Point2f& ptA, Point2f& ptB);
void delectFirstFrame(Mat &frame, Mat &dst);
void delectFeature_single(Mat &inFrame,Mat &indst);
//void findContours(const Mat& src, vector<vector<Point>>& contours, vector<Vec4i>& hierarchy,//重载findContours
// int retr = RETR_LIST, int method = CHAIN_APPROX_SIMPLE, Point offset = Point(0, 0))//重载了findContours函数，防止运行结束时发生崩溃
//{
// //CvMat c_image = src;
// Mat c_image = src;
// MemStorage storage(cvCreateMemStorage());
// CvSeq* _ccontours = 0;
// //cvFindContours(&c_image, storage, &_ccontours, sizeof(CvContour), retr, method, CvPoint(offset));
// cvFindContours(&c_image, storage, &_ccontours, sizeof(CvContour), retr, method, Point(offset));
// if (!_ccontours)
// {
// contours.clear();
// return;
// }
// Seq<CvSeq*> all_contours(cvTreeToNodeSeq(_ccontours, sizeof(CvSeq), storage));
// int total = (int)all_contours.size();
// contours.resize(total);
//
// SeqIterator<CvSeq*> it = all_contours.begin();
// for (int i = 0; i < total; i++, ++it)
// {
// CvSeq* c = *it;
// ((CvContour*)c)->color = (int)i;
// int count = (int)c->total;
// int* data = new int[count * 2];
// cvCvtSeqToArray(c, data);
// for (int j = 0; j < count; j++)
// {
// contours[i].push_back(Point(data[j * 2], data[j * 2 + 1]));
// }
// delete[] data;
// }
//
// hierarchy.resize(total);
// it = all_contours.CV_THRESH_BINARY_INVbegin();
// for (int i = 0; i < total; i++, ++it)
// {
// CvSeq* c = *it;
// int h_next = c->h_next ? ((CvContour*)c->h_next)->color : -1;
// int h_prev = c->h_prev ? ((CvContour*)c->h_prev)->color : -1;
// int v_next = c->v_next ? ((CvContour*)c->v_next)->color : -1;
// int v_prev = c->v_prev ? ((CvContour*)c->v_prev)->color : -1;
// hierarchy[i] = Vec4i(h_next, h_prev, v_next, v_prev);
// }
// storage.release();
//}
//2022.9.24zaoshang
//Point2f midpoint(Point2f& ptA, Point2f& ptB) {
// return Point2f((ptA.x+ ptB.x)*0.5,(ptA.y + ptB.y)*0.5);
//}
//double length(Point2f& ptA, Point2f& ptB) {
// return sqrtf( powf((ptA.x - ptB.x), 2) + powf((ptA.y - ptB.y), 2) );
//}
Point2f midpoint(Point2f ptA, Point2f ptB) {
return Point2f((ptA.x+ ptB.x)*0.5,(ptA.y + ptB.y)*0.5);
}
double length(Point2f ptA, Point2f ptB) {
return sqrtf( powf((ptA.x - ptB.x), 2) + powf((ptA.y - ptB.y), 2) );
}
int main(){
//VideoCapture capture("/media/smile/Moving HHD 1.8T/佳豪师兄项目/3tjh01.mp4");
//VideoCapture capture("D:\\佳豪师兄项目\\3tjh.mp4");
VideoCapture capture("/media/smile/Moving HHD 1.8T/佳豪师兄项目/3.将vs2022_win10下的程序迁移到ubuntu下Qt5.9.2/1.将我之前在vs2022跑起来的程序在vs2022中转为qt文件并迁移到ubuntu下/1.成功在ubuntu-qt下运行的迁移程序/segmentation_only_qt/3tjhx0.5.mp4");
//J:\佳豪师兄项目\分割演示220815\光流法\新数据12.22
// VideoCapture capture(1);
//VideoCapture cap(0);
//VideoCapture capture("H:\ev_recode/20220813_163511.mp4");
//VideoCapture capture("D:/VSc++code/Vs2012code/实验数据1.5/4n.mp4");
/*获取视频帧的尺寸和帧率*/
int CV_CAP_PROP_FPS;
int CV_CAP_PROP_FRAME_WIDTH;
int CV_CAP_PROP_FRAME_HEIGHT;
double rate = capture.get(CV_CAP_PROP_FPS);
int width = capture.get(CV_CAP_PROP_FRAME_WIDTH);
int height = capture.get(CV_CAP_PROP_FRAME_HEIGHT);
if (capture.isOpened())
{
while (capture.read(frame)) {
cvtColor(frame, gray, COLOR_BGR2GRAY);
delectFeature_single(frame,dst);
imshow("输CV_THRESH_BINARY_INV出视频", frame);//imshow("input video", frame);??
waitKey(30);
}
}
}
void delectFeature_single(Mat &frame, Mat &dst){
int largest_area=0;
int largest_contour_index=0;
int CV_THRESH_BINARY_INV;
Point2f pointO = Point2f(dst.size().width, dst.size().height);
Point2f pointB;
//颜色空间转换 dst=hsv
cvtColor(frame, dst, COLOR_BGR2HSV);
//Scalar scalarL = Scalar(0, 25, 48);0
//Scalar scalarH = Scalar(40, 145, 236);
//掩码mask=dst
inRange(dst, scalarL, scalarH, dst);
threshold(dst, dst, 160, 255, CV_THRESH_BINARY_INV);
//获取自定义核kernel 第一个参数MORPH_RECT表示矩形的卷积核
Mat kernel3 = getStructuringElement(MORPH_RECT, Size(1, 1));
Mat kernel2 = getStructuringElement(MORPH_RECT, Size(2, 2));
Mat kernel0 = getStructuringElement(MORPH_RECT, Size(3, 3));
Mat kernel = getStructuringElement(MORPH_RECT, Size(4, 4));
erode(dst, dst, kernel3);
dilate(dst, dst, kernel0);
//morphologyEx(dst, dst, MORPH_OPEN, kernel3);//MORPH_OPEN 开运算
//imshow("膨胀(+开运算)后", dst);
vector<vector<Point> > contours; // Vector for storing contours
vector<Vec4i> hierarchy;
findContours( dst, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE ); // Find the contours in the image RETR_CCOMP
Rect boundRect; //定义普通正外接矩形集合
vector<RotatedRect> box(contours.size()); //定义最小外接矩形集合
Point2f rect[4];
size_t i;
for( i = 0; i< contours.size(); i++ ) // iterate through each contour.
{
double area = contourArea( contours[i] ); // Find the area of contour
if( area > largest_area )
{
largest_area = area;
largest_contour_index = i; //Store the index of largest contour
//boundRect[i] = boundingRect(Mat(contours[i]));
boundRect = boundingRect( contours[i] ); // 普通的外界矩形轮廓
box[i] = minAreaRect(contours[i]); //计算轮廓最小外接矩形
box[i].points(rect);//把最小外接矩形四个顶点复制给rect
}
}
//cout<<"每一帧中的最大面积"<<largest_area<<endl;
//rectangle(frame, Point(boundRect.x, boundRect.y), Point(boundRect.x + boundRect.width, boundRect.y + boundRect.height), Scalar(255, 255, 255), 1, 8);//绘制一般的外接矩形
for (int j = 0; j < 4; j++)
{
line(frame, rect[j], rect[(j + 1) % 4], Scalar(0, 0, 255), 2, 8); //绘制最小外接矩形每条边
}
drawContours( frame, contours,largest_contour_index, Scalar( 0, 255, 0 ), 2 ); // 用之前的索引largest_contour_index绘制最大轮廓
//确定末端中点坐标
if(length(rect[0], rect[3])<length(rect[0], rect[1])){
//此时短边为03或12
if(length(pointO, midpoint(rect[0], rect[3]))<length(pointO, midpoint(rect[1], rect[2]))){
pointB = midpoint(rect[0], rect[3]);//中点坐标
}else{
pointB = midpoint(rect[1], rect[2]);
}
}else{
//此时短边为01或23
if(length(pointO, midpoint(rect[0], rect[1]))<length(pointO, midpoint(rect[2], rect[3]))){
pointB = midpoint(rect[0], rect[1]);//中点坐标
}else{
pointB = midpoint(rect[2], rect[3]);
}
}
// if(length(rect[0], rect[3])<length(rect[0], rect[1])){//此时短边为03或12
// if(length(pointO, midpoint(rect[0], rect[3]))<length(pointO, midpoint(rect[1], rect[2]))){
// pointB = midpoint(rect[0], rect[3]);//中点坐标
// }else{
// pointB = midpoint(rect[1], rect[2]);
// }
// }else{//此时短边为01或23
// if(length(pointO, midpoint(rect[0], rect[1]))<length(pointO, midpoint(rect[2], rect[3]))){
// pointB = midpoint(rect[0], rect[1]);//中点坐标
// }else{
// pointB = midpoint(rect[2], rect[3]);
// }
// }
//Point2f pointB = midpoint(rect[0], rect[3]);//中点坐标
circle( frame, pointB, 4, Scalar(255, 0, 0), -1);
//distance1 = sqrtf( powf((x - pointB.x), 2) + powf((y - pointB.y), 2) );
distance1 = sqrtf( powf((601 - pointB.x), 2) + powf((192 - pointB.y), 2) );
putText(frame, "The test is start:", Point(20, 10),FONT_HERSHEY_COMPLEX,0.5,Scalar(0,0,255));
putText(frame, cv::format("Device end point: X = %.0f pixels, Y = %.0f pixels", pointB.x, pointB.y), Point(20, 30),FONT_HERSHEY_COMPLEX,0.5,Scalar(0,0,255));
putText(frame, cv::format("The deformation is %.4f mm",-(distance1 / g_dPixelsPerMetric-130)), Point(20, 50),FONT_HERSHEY_COMPLEX,0.5,Scalar(0,0,255));
//if(distance1/g_dPixelsPerMetric > 40)
if ((110 > (distance1 / g_dPixelsPerMetric)) & ((distance1 / g_dPixelsPerMetric) > 100)) {
putText(frame, cv::format("Attention: Not Safe!!"), Point(20, 70),FONT_HERSHEY_COMPLEX,0.5,Scalar(0,0,255));
}
//line(frame, pointA, pointB, Scalar(0, 0, 255), 1, 8, 0);
circle( frame, pointA, 4, Scalar(0, 255, 0), -1);//起始点
//cout << "The deformation is"<<distance1/g_dPixelsPerMetric << " mm"<<endl;
}
vs上可以画红框
```c
#include <opencv2/video/video.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
#include <iostream>
#include <cstdio>
#include "stdafx.h"
#include <math.h>
using namespace std;
using namespace cv;
Mat frame, gray;//当前帧图片
Mat dst;
Mat prev_frame, prev_gray;//前一帧图片
vector<Point2f> features;//保存特征点
vector<Point2f> inPoints;//初始化特征点
vector<Point2f> fpts[2];//保存当前帧和前一帧的特征点位置 //定义一个一维数组，数组元素的类型是Point2f(2维点, 含xy，浮点类型)
vector<uchar> status;//特征点跟踪标志位
vector<float> err;//误差和
double pixel[550];
int k = 2;//定义optical_flow[k]的
double optical_flow[550];
int const maxCorners = 200;//特征点数量 = fpts[1].size()
double x, y, z;//存放第一帧的位置xy和矩形宽度z
Point2f pointA;//起始点
const double g_dReferWidth=2.3;//mm
double g_dPixelsPerMetric = 10;//每毫米多少像素
double distance1;
Scalar scalarL = Scalar(0, 25, 0);
Scalar scalarH = Scalar(26, 150, 255);
int flag_start = 0;//确定开始检测的flag
bool flag_firstframe = true;//确定开始检测第一帧的flag
bool flag_end = false;
void delectFeature(Mat &inFrame, Mat &ingray);//角点检测
//void drawFeature(Mat &inFrame);//画点
void track();//运动
void drawLine();//画运动轨迹
Point2f midpoint(Point2f& ptA, Point2f& ptB);
void delectFirstFrame(Mat &frame, Mat &dst);
void delectFeature_single(Mat &inFrame,Mat &indst);
//void findContours(const Mat& src, vector<vector<Point>>& contours, vector<Vec4i>& hierarchy,//重载findContours
// int retr = RETR_LIST, int method = CHAIN_APPROX_SIMPLE, Point offset = Point(0, 0))//重载了findContours函数，防止运行结束时发生崩溃
//{
// //CvMat c_image = src;
// Mat c_image = src;
// MemStorage storage(cvCreateMemStorage());
// CvSeq* _ccontours = 0;
// //cvFindContours(&c_image, storage, &_ccontours, sizeof(CvContour), retr, method, CvPoint(offset));
// cvFindContours(&c_image, storage, &_ccontours, sizeof(CvContour), retr, method, Point(offset));
// if (!_ccontours)
// {
// contours.clear();
// return;
// }
// Seq<CvSeq*> all_contours(cvTreeToNodeSeq(_ccontours, sizeof(CvSeq), storage));
// int total = (int)all_contours.size();
// contours.resize(total);
//
// SeqIterator<CvSeq*> it = all_contours.begin();
// for (int i = 0; i < total; i++, ++it)
// {
// CvSeq* c = *it;
// ((CvContour*)c)->color = (int)i;
// int count = (int)c->total;
// int* data = new int[count * 2];
// cvCvtSeqToArray(c, data);
// for (int j = 0; j < count; j++)
// {
// contours[i].push_back(Point(data[j * 2], data[j * 2 + 1]));
// }
// delete[] data;
// }
//
// hierarchy.resize(total);
// it = all_contours.begin();
// for (int i = 0; i < total; i++, ++it)
// {
// CvSeq* c = *it;
// int h_next = c->h_next ? ((CvContour*)c->h_next)->color : -1;
// int h_prev = c->h_prev ? ((CvContour*)c->h_prev)->color : -1;
// int v_next = c->v_next ? ((CvContour*)c->v_next)->color : -1;
// int v_prev = c->v_prev ? ((CvContour*)c->v_prev)->color : -1;
// hierarchy[i] = Vec4i(h_next, h_prev, v_next, v_prev);
// }
// storage.release();
//}
Point2f midpoint(Point2f& ptA, Point2f& ptB) {
return Point2f((ptA.x+ ptB.x)*0.5,(ptA.y + ptB.y)*0.5);
}
double length(Point2f& ptA, Point2f& ptB) {
return sqrtf( powf((ptA.x - ptB.x), 2) + powf((ptA.y - ptB.y), 2) );
}
int main(){
VideoCapture capture("J:\\佳豪师兄项目\\3.将vs2022_win10下的程序迁移到ubuntu下Qt5.9.2\\1.将我之前在vs2022跑起来的程序在vs2022中转为qt文件并迁移到ubuntu下\\0.vs2022程序，待转换为qt\\2022.9.23code_assamble\\optical_flow_safety_inspection_farah_meat\\分割演示220815\\光流法\\新数据12.22\\3tjh.mp4");
//VideoCapture capture("D:\\佳豪师兄项目\\3tjh.mp4");
//VideoCapture capture("J:\\佳豪师兄项目\\分割演示220815\\光流法\\新数据12.22\\3tjh.mp4");
//J:\佳豪师兄项目\分割演示220815\光流法\新数据12.22
//
// VideoCapture capture(1);
//VideoCapture cap(0);
//VideoCapture capture("H:\ev_recode/20220813_163511.mp4");
//VideoCapture capture("D:/VSc++code/Vs2012code/实验数据1.5/4n.mp4");
/*获取视频帧的尺寸和帧率*/
double rate = capture.get(CV_CAP_PROP_FPS);
int width = capture.get(CV_CAP_PROP_FRAME_WIDTH);
int height = capture.get(CV_CAP_PROP_FRAME_HEIGHT);
if (capture.isOpened())
{
while (capture.read(frame)) {
cvtColor(frame, gray, COLOR_BGR2GRAY);
delectFeature_single(frame,dst);
imshow("输出视频", frame);//imshow("input video", frame);??
waitKey(30);
}
}
}
void delectFeature_single(Mat &frame, Mat &dst){
int largest_area=0;
int largest_contour_index=0;
Point2f pointO = Point2f(dst.size().width, dst.size().height);
Point2f pointB;
//颜色空间转换 dst=hsv
cvtColor(frame, dst, COLOR_BGR2HSV);
//Scalar scalarL = Scalar(0, 25, 48);0
//Scalar scalarH = Scalar(40, 145, 236);
//掩码mask=dst
inRange(dst, scalarL, scalarH, dst);
threshold(dst, dst, 160, 255, CV_THRESH_BINARY_INV);
//获取自定义核kernel 第一个参数MORPH_RECT表示矩形的卷积核
Mat kernel3 = getStructuringElement(MORPH_RECT, Size(1, 1));
Mat kernel2 = getStructuringElement(MORPH_RECT, Size(2, 2));
Mat kernel0 = getStructuringElement(MORPH_RECT, Size(3, 3));
Mat kernel = getStructuringElement(MORPH_RECT, Size(4, 4));
erode(dst, dst, kernel3);
dilate(dst, dst, kernel0);
//morphologyEx(dst, dst, MORPH_OPEN, kernel3);//MORPH_OPEN 开运算
//imshow("膨胀(+开运算)后", dst);
vector<vector<Point> > contours; // Vector for storing contours
vector<Vec4i> hierarchy;
findContours( dst, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE ); // Find the contours in the image RETR_CCOMP
Rect boundRect; //定义普通正外接矩形集合
vector<RotatedRect> box(contours.size()); //定义最小外接矩形集合
Point2f rect[4];
size_t i;
for( i = 0; i< contours.size(); i++ ) // iterate through each contour.
{
double area = contourArea( contours[i] ); // Find the area of contour
if( area > largest_area )
{
largest_area = area;
largest_contour_index = i; //Store the index of largest contour
//boundRect[i] = boundingRect(Mat(contours[i]));
boundRect = boundingRect( contours[i] ); // 普通的外界矩形轮廓
box[i] = minAreaRect(contours[i]); //计算轮廓最小外接矩形
box[i].points(rect);//把最小外接矩形四个顶点复制给rect
}
}
//cout<<"每一帧中的最大面积"<<largest_area<<endl;
//rectangle(frame, Point(boundRect.x, boundRect.y), Point(boundRect.x + boundRect.width, boundRect.y + boundRect.height), Scalar(255, 255, 255), 1, 8);//绘制一般的外接矩形
for (int j = 0; j < 4; j++)
{
line(frame, rect[j], rect[(j + 1) % 4], Scalar(0, 0, 255), 2, 8); //绘制最小外接矩形每条边
}
drawContours( frame, contours,largest_contour_index, Scalar( 0, 255, 0 ), 2 ); // 用之前的索引largest_contour_index绘制最大轮廓,绿色边界
//确定末端中点坐标
if(length(rect[0], rect[3])<length(rect[0], rect[1])){
//此时短边为03或12
if(length(pointO, midpoint(rect[0], rect[3]))<length(pointO, midpoint(rect[1], rect[2]))){
pointB = midpoint(rect[0], rect[3]);//中点坐标
}else{
pointB = midpoint(rect[1], rect[2]);
}
}else{
//此时短边为01或23
if(length(pointO, midpoint(rect[0], rect[1]))<length(pointO, midpoint(rect[2], rect[3]))){
pointB = midpoint(rect[0], rect[1]);//中点坐标
}else{
pointB = midpoint(rect[2], rect[3]);
}
}
//Point2f pointB = midpoint(rect[0], rect[3]);//中点坐标
circle( frame, pointB, 4, Scalar(255, 0, 0), -1);
//distance1 = sqrtf( powf((x - pointB.x), 2) + powf((y - pointB.y), 2) );
distance1 = sqrtf( powf((601 - pointB.x), 2) + powf((192 - pointB.y), 2) );
putText(frame, "The test is start:", Point(20, 10),FONT_HERSHEY_COMPLEX,0.5,Scalar(0,0,255));
putText(frame, cv::format("Device end point: X = %.0f pixels, Y = %.0f pixels", pointB.x, pointB.y), Point(20, 30),FONT_HERSHEY_COMPLEX,0.5,Scalar(0,0,255));
putText(frame, cv::format("The deformation is %.4f mm",-(distance1 / g_dPixelsPerMetric-130)), Point(20, 50),FONT_HERSHEY_COMPLEX,0.5,Scalar(0,0,255));
//if(distance1/g_dPixelsPerMetric > 40)
if ((110 > (distance1 / g_dPixelsPerMetric)) & ((distance1 / g_dPixelsPerMetric) > 100)) {
putText(frame, cv::format("Attention: Not Safe!!"), Point(20, 70),FONT_HERSHEY_COMPLEX,0.5,Scalar(0,0,255));
}
//line(frame, pointA, pointB, Scalar(0, 0, 255), 1, 8, 0);
circle( frame, pointA, 4, Scalar(0, 255, 0), -1);//起始点
//cout << "The deformation is"<<distance1/g_dPixelsPerMetric << " mm"<<endl;
}