C++17 操作 OpenCV 库

于 2025-05-19 19:15:06 发布
阅读量233 收藏 2
点赞数 3
分类专栏： Qt6实战项目集合 文章标签： c++ opencv 开发语言 qt6.3 QT
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/XiaoWang_csdn/article/details/148071272
版权

OpenCV 是一个广泛使用的计算机视觉库，而 C++17 提供了许多新特性可以增强 OpenCV 的使用体验。本文将详细介绍如何在 C++17 环境下高效地使用 OpenCV 库，包括新特性的应用和最佳实践。

一、环境准备

1. 安装 OpenCV 和 C++17 支持

确保你的开发环境支持 C++17 并安装了 OpenCV：

# 在 Ubuntu 上安装 OpenCV
sudo apt-get install libopencv-dev

# 在 Windows 上可以使用 vcpkg 或直接下载 OpenCV 安装包

2. 配置编译器支持 C++17

在 CMake 中配置 C++17：

cmake_minimum_required(VERSION 3.10)
project(OpenCV_Cpp17)

set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

find_package(OpenCV REQUIRED)

add_executable(OpenCV_Cpp17 main.cpp)
target_link_libraries(OpenCV_Cpp17 ${OpenCV_LIBS})

二、C++17 新特性在 OpenCV 中的应用

1. 结构化绑定（Structured Bindings）处理 OpenCV 数据

OpenCV 中经常需要处理 cv::Point、cv::Size、cv::Rect 等结构体，结构化绑定可以简化代码：

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    cv::Point pt(10, 20);
    auto [x, y] = pt;  // 结构化绑定
    
    std::cout << "Point: ("<< x << ", "<< y << ")" << std::endl;
    
    cv::Size sz(640, 480);
    auto [width, height] = sz;
    
    std::cout << "Size: " << width << "x" << height << std::endl;
    
    return 0;
}

2. if 和 switch 中的初始化语句简化 OpenCV 操作

在图像处理中经常需要检查图像是否加载成功：

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // if 中的初始化语句
    if (cv::Mat img = cv::imread("image.jpg"); !img.empty()) {
        std::cout << "Image loaded successfully" << std::endl;
        cv::imshow("Image", img);
        cv::waitKey(0);
    } else {
        std::cerr << "Failed to load image" << std::endl;
    }
    
    return 0;
}

3. 内联变量（Inline Variables）定义常用参数

在 OpenCV 应用中经常需要使用一些常量参数：

// 在头文件中定义
inline const cv::Scalar RED(0, 0, 255);
inline const cv::Scalar GREEN(0, 255, 0);
inline const cv::Scalar BLUE(255, 0, 0);

// 在源文件中使用
#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    cv::Mat img(300, 300, CV_8UC3, cv::Scalar(0, 0, 0));
    
    // 使用内联变量
    cv::circle(img, cv::Point(150, 150), 50, RED, -1);
    cv::rectangle(img, cv::Point(50, 50), cv::Point(250, 250), GREEN, 2);
    
    cv::imshow("Image", img);
    cv::waitKey(0);
    
    return 0;
}

4. 折叠表达式（Fold Expressions）处理 OpenCV 矩阵运算

在图像处理中经常需要对矩阵进行批量操作：

#include <opencv2/opencv.hpp>
#include <iostream>

template<typename... Args>
cv::Mat sumMatrices(Args... args) {
    cv::Mat result = (args + ...);  // 折叠表达式
    return result;
}

int main() {
    cv::Mat mat1 = (cv::Mat_<double>(2, 2) << 1, 2, 3, 4);
    cv::Mat mat2 = (cv::Mat_<double>(2, 2) << 5, 6, 7, 8);
    cv::Mat mat3 = (cv::Mat_<double>(2, 2) << 9, 10, 11, 12);
    
    cv::Mat sum = sumMatrices(mat1, mat2, mat3);
    
    std::cout << "Sum of matrices:" << std::endl << sum << std::endl;
    
    return 0;
}

5. std::optional 处理可能失败的 OpenCV 操作

在图像处理中很多操作可能失败，使用 std::optional 可以更安全地处理：

#include <opencv2/opencv.hpp>
#include <optional>
#include <iostream>

std::optional<cv::Mat> loadImage(const std::string& path) {
    cv::Mat img = cv::imread(path);
    if (img.empty()) {
        return std::nullopt;
    }
    return img;
}

int main() {
    auto img = loadImage("image.jpg");
    
    if (img) {
        std::cout << "Image loaded successfully" << std::endl;
        cv::imshow("Image", *img);
        cv::waitKey(0);
    } else {
        std::cerr << "Failed to load image" << std::endl;
    }
    
    return 0;
}

6. std::variant 处理不同类型的 OpenCV 数据

在图像处理中可能需要处理不同类型的数据（如图像、特征点、描述符等）：

#include <opencv2/opencv.hpp>
#include <variant>
#include <iostream>

using ImageData = std::variant<cv::Mat, std::vector<cv::KeyPoint>, cv::Mat>;

void processImageData(const ImageData& data) {
    std::visit([](auto&& arg) {
        using T = std::decay_t<decltype(arg)>;
        if constexpr (std::is_same_v<T, cv::Mat>) {
            std::cout << "Processing image with size " << arg.size() << std::endl;
        } else if constexpr (std::is_same_v<T, std::vector<cv::KeyPoint>>) {
            std::cout << "Processing " << arg.size() << " keypoints" << std::endl;
        }
    }, data);
}

int main() {
    cv::Mat img = cv::imread("image.jpg");
    std::vector<cv::KeyPoint> keypoints;
    
    processImageData(img);
    processImageData(keypoints);
    
    return 0;
}

7. std::string_view 处理 OpenCV 文件路径

在图像处理中经常需要处理文件路径，使用 std::string_view 可以提高性能：

#include <opencv2/opencv.hpp>
#include <string_view>
#include <iostream>

void loadImage(std::string_view path) {
    cv::Mat img = cv::imread(std::string(path));
    if (img.empty()) {
        std::cerr << "Failed to load image from " << path << std::endl;
        return;
    }
    std::cout << "Image loaded successfully from " << path << std::endl;
    cv::imshow("Image", img);
    cv::waitKey(0);
}

int main() {
    loadImage("image.jpg");
    return 0;
}

三、OpenCV 核心功能与 C++17 结合

1. 图像加载与显示

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // if 中的初始化语句检查图像是否加载成功
    if (cv::Mat img = cv::imread("image.jpg"); !img.empty()) {
        std::cout << "Image size: " << img.size() << std::endl;
        
        // 使用结构化绑定获取图像尺寸
        auto [width, height] = std::make_pair(img.cols, img.rows);
        std::cout << "Width: " << width << ", Height: " << height << std::endl;
        
        cv::imshow("Image", img);
        cv::waitKey(0);
    } else {
        std::cerr << "Failed to load image" << std::endl;
    }
    
    return 0;
}

2. 图像处理操作

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    cv::Mat img = cv::imread("image.jpg");
    if (img.empty()) {
        std::cerr << "Failed to load image" << std::endl;
        return -1;
    }
    
    // 使用折叠表达式处理多个图像操作
    auto processImage = [](cv::Mat& img) {
        cv::cvtColor(img, img, cv::COLOR_BGR2GRAY);
        cv::GaussianBlur(img, img, cv::Size(5, 5), 0);
        cv::Canny(img, img, 50, 150);
    };
    
    processImage(img);
    
    cv::imshow("Processed Image", img);
    cv::waitKey(0);
    
    return 0;
}

3. 特征检测与匹配

#include <opencv2/opencv.hpp>
#include <optional>
#include <iostream>

std::optional<std::vector<cv::KeyPoint>> detectFeatures(const cv::Mat& img) {
    cv::Ptr<cv::ORB> orb = cv::ORB::create();
    std::vector<cv::KeyPoint> keypoints;
    orb->detect(img, keypoints);
    
    if (keypoints.empty()) {
        return std::nullopt;
    }
    return keypoints;
}

int main() {
    cv::Mat img = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
    if (!img.data) {
        std::cerr << "Failed to load image" << std::endl;
        return -1;
    }
    
    auto keypoints = detectFeatures(img);
    
    if (keypoints) {
        std::cout << "Detected " << keypoints->size() << " keypoints" << std::endl;
        
        cv::Mat img_with_keypoints;
        cv::drawKeypoints(img, *keypoints, img_with_keypoints);
        
        cv::imshow("Keypoints", img_with_keypoints);
        cv::waitKey(0);
    } else {
        std::cerr << "No keypoints detected" << std::endl;
    }
    
    return 0;
}

四、性能优化技巧

1. 使用 std::string_view 减少字符串拷贝

在处理大量文件路径时：

#include <opencv2/opencv.hpp>
#include <string_view>
#include <vector>

void processImages(const std::vector<std::string_view>& paths) {
    for (const auto& path : paths) {
        cv::Mat img = cv::imread(std::string(path));
        if (!img.empty()) {
            // 处理图像
        }
    }
}

int main() {
    std::vector<std::string_view> image_paths = {
        "image1.jpg",
        "image2.jpg",
        "image3.jpg"
    };
    
    processImages(image_paths);
    
    return 0;
}

2. 使用 std::optional 避免不必要的计算

在图像处理管道中：

#include <opencv2/opencv.hpp>
#include <optional>
#include <iostream>

std::optional<cv::Mat> preprocessImage(const cv::Mat& img) {
    // 检查图像是否需要预处理
    if (img.channels() == 3) {
        cv::Mat gray;
        cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);
        return gray;
    }
    return std::nullopt;
}

int main() {
    cv::Mat img = cv::imread("image.jpg");
    if (!img.data) {
        std::cerr << "Failed to load image" << std::endl;
        return -1;
    }
    
    auto processed = preprocessImage(img);
    
    if (processed) {
        std::cout << "Image preprocessed" << std::endl;
        // 使用处理后的图像
    } else {
        std::cout << "No preprocessing needed" << std::endl;
        // 使用原始图像
    }
    
    return 0;
}

3. 使用并行算法加速图像处理

#include <opencv2/opencv.hpp>
#include <execution>
#include <iostream>

int main() {
    cv::Mat img = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
    if (!img.data) {
        std::cerr << "Failed to load image" << std::endl;
        return -1;
    }
    
    // 并行计算图像直方图
    cv::Mat hist;
    int histSize = 256;
    float range[] = {0, 256};
    const float* histRange = {range};
    
    cv::calcHist(std::execution::par, 
                 std::vector<cv::Mat>{img}, 
                 1, 
                 std::vector<int>{0}, 
                 cv::Mat(), 
                 hist, 
                 1, 
                 std::vector<int>{histSize}, 
                 &histRange);
    
    std::cout << "Histogram calculated" << std::endl;
    
    return 0;
}

五、最佳实践

  1. ​​使用 std::optional 处理可能失败的 OpenCV 操作​​：如图像加载、特征检测等
  2. ​​使用 std::variant 处理不同类型的图像数据​​：如原始图像、特征点、描述符等
  3. ​​使用 std::string_view 处理文件路径​​：减少不必要的字符串拷贝
  4. ​​使用结构化绑定简化 OpenCV 数据访问​​：如 cv::Point、cv::Size 等
  5. ​​使用折叠表达式简化矩阵运算​​：如多个图像的批量操作
  6. ​​使用并行算法加速计算密集型任务​​：如图像直方图计算、特征匹配等
  7. ​​使用内联变量定义常用参数​​：如颜色、尺寸等常量

六、完整示例：图像处理管道

#include <opencv2/opencv.hpp>
#include <optional>
#include <variant>
#include <string_view>
#include <execution>
#include <iostream>

// 使用 std::variant 定义图像处理管道中的数据类型
using ImageData = std::variant<cv::Mat, std::vector<cv::KeyPoint>, cv::Mat>;

// 使用 std::optional 处理可能失败的图像加载
std::optional<cv::Mat> loadImage(std::string_view path) {
    cv::Mat img = cv::imread(std::string(path));
    if (img.empty()) {
        return std::nullopt;
    }
    return img;
}

// 特征检测函数
std::optional<std::vector<cv::KeyPoint>> detectFeatures(const cv::Mat& img) {
    cv::Ptr<cv::ORB> orb = cv::ORB::create();
    std::vector<cv::KeyPoint> keypoints;
    orb->detect(img, keypoints);
    
    if (keypoints.empty()) {
        return std::nullopt;
    }
    return keypoints;
}

// 图像处理管道
ImageData processImagePipeline(std::string_view path) {
    auto img = loadImage(path);
    
    if (!img) {
        std::cerr << "Failed to load image" << std::endl;
        return cv::Mat(); // 返回空图像表示失败
    }
    
    // 转换为灰度
    cv::Mat gray;
    cv::cvtColor(*img, gray, cv::COLOR_BGR2GRAY);
    
    // 检测特征
    auto keypoints = detectFeatures(gray);
    
    if (keypoints) {
        // 绘制特征点
        cv::Mat img_with_keypoints;
        cv::drawKeypoints(gray, *keypoints, img_with_keypoints);
        
        // 使用并行算法计算直方图
        cv::Mat hist;
        int histSize = 256;
        float range[] = {0, 256};
        const float* histRange = {range};
        
        cv::calcHist(std::execution::par, 
                     std::vector<cv::Mat>{img_with_keypoints}, 
                     1, 
                     std::vector<int>{0}, 
                     cv::Mat(), 
                     hist, 
                     1, 
                     std::vector<int>{histSize}, 
                     &histRange);
        
        return img_with_keypoints; // 返回处理后的图像
    } else {
        return gray; // 返回灰度图像
    }
}

int main() {
    auto result = processImagePipeline("image.jpg");
    
    if (std::holds_alternative<cv::Mat>(result)) {
        cv::Mat final_img = std::get<cv::Mat>(result);
        cv::imshow("Result", final_img);
        cv::waitKey(0);
    } else {
        std::cerr << "Processing failed" << std::endl;
    }
    
    return 0;
}
【C++】OpenCV：计算机视觉库介绍及C++环境配置
DevFrank的博客
10-28 1万+
计算机视觉库介绍及C++环境配置
OpenCV C++基本操作入门学习
热门推荐
VJOEE的博客
02-05 1万+
确定卷积核的大小和权重。
C++ opencv操作入门教程
qq_46017342的博客
05-07 7356
C++ opencv操作入门教程
Opencv库安装（ C++版本）Linux
weixin_47621500的博客
11-13 819
会将这些文件复制到系统的标准安装路径，通常是 /usr/local 或者其他指定的路径。这个过程将会安装 OpenCV 到系统的标准目录中，以便你能够在任何地方使用它，或者其他软件也能找到并使用它。值得注意的是一旦编译完成，make 会在 build 目录下生成所有的二进制文件、库文件和头文件。最近在部署神经网络，希望把训练完的模型权重（.pt），使用c++部署，需要下载opencv库。一个可能的原因是Git的缓存区太小了，仓库太大（根据GPT回答）至此，整个Opencv安装已经完成。
Visual Studio：C++程序配置Opencv环境
qq_40980981的博客
08-28 2412
OpenCV（Open Source Computer Vision Library）是一个广泛使用的开源计算机视觉库，旨在提供丰富的图像和视频处理功能。OpenCV可以通过C++、Python、Java等编程语言调用，使得开发者能够在不同平台上进行图像处理和计算机视觉应用程序的开发。作为一个全面且强大的计算机视觉库，OpenCV包含了数百个用于图像处理、特征检测、对象识别、视频分析等领域的函数和工具。
c++版opencv长文指南
weixin_50557558的博客
08-11 1万+
c++版opencv长文指南
opencv c++编程基础
hkj887tg的博客
05-28 5544
opencv使用Mat进行图片处理基础。
在DevC++中配置Opencv
m0_72572822的博客
10-21 6974
选择“目录”选项分别设置“二进制”、“库”、“c包含文件”、“c++包含文件”（2）选择“浏览”按钮，打开openc'v所在得文件。（3）选择opencv中bin文件，点击确定。配置“C++包含文件”选项卡。（1）选择“二进制”标签。配置“C包含文件”选项卡。
Opencv-C++笔记 (3) : opencv的库介绍以及和C++对接转换
jiyanghao19的博客
06-15 4594
其解释如下：[features2d]: 也就是Features2D， 2D功能框架 ，包含如下内容特征检测和描述 特征检测器（Feature Detectors）通用接口 描述符提取器（Descriptor Extractors）通用接口 描述符匹配器（Descriptor Matchers）通用接口 通用描述符（Generic Descriptor）匹配器通用接口 关键点绘制函数和匹配功能绘制函数运动分析 期望最大化 直方图 平面细分（C API） 特征检测和描述（Feature Detection an
C/C++开发，opencv轮廓提取实现
技术需要分享
08-03 2764
详细阐述c++ opencv 实现图片轮廓提取的方法，提供详见的案例代码及编译说明、验证效果。
C#中的Emgucv调用由C++写的Opencv库
03-24
本话题聚焦于如何在C#中利用EmguCV库来调用由C++编写的OpenCV库。EmguCV是OpenCV的一个.NET接口，它允许.NET开发者利用OpenCV的强大功能。下面将详细介绍这个过程及其相关知识点。 1. **EmguCV介绍** EmguCV是...
Ubuntu下Cmake编译多个C和C++工程调用opencv库的例子
10-08
假设我们有两个工程，一个是C语言的`project1`，另一个是C++的`project2`，都依赖OpenCV库。`CMakeLists.txt`文件可以这样编写： ```cmake cmake_minimum_required(VERSION 3.5) project(MultiProjectExample) ...
使用 C++ 和 OpenCV 库实现 Photoshop 中的曲线调整算法（包含详细的完整的程序和数据）
10-13
C++ 结合 OpenCV 开发库制作的一个简易图像编辑器——曲度调色功能，演示了如何使用该库执行基本的图像调整功能，具体包括图像读取与显示、设置滑动条调节图像对比度和明亮度、实时图像处理效果呈现以及简单交互操作...
C++ string小记
xmu_cjs的博客
05-16 142
【代码】C++ string小计。
【GESP】C++三级真题 luogu-B3956 [GESP202403 三级] 字母求和
CoderCoding的博客
05-19 265
【GESP】C++三级真题 luogu-B3956 [GESP202403 三级] 字母求和 | OneCoder。GESP三级真题，字符串和一维数组相关题目，难度★★☆☆☆。GESP三级真题，字符串和一维数组相关题目，难度★★☆☆☆。
C语言-8.数组
wind_one1的博客
05-15 1377
本文介绍了C语言中数组的基本概念和使用方法。首先，通过计算用户输入数字的平均数为例，展示了如何利用数组存储数据并进行处理。接着，详细讲解了数组的定义、下标范围及注意事项，强调数组元素必须具有相同的数据类型，且数组大小在创建后不可改变。文章还介绍了数组的集成初始化、赋值和遍历操作，并指出数组作为函数参数时需要传入数组大小。此外，提供了统计数字出现次数和查找数组中特定元素的示例代码。最后，通过判断素数的例子，展示了如何优化算法以提高效率。
c语言与python的异同之处
最新发布
weixin_73861555的博客
05-19 288
/ C语言# Python// C语言int age;# Python类型系统内存管理语法结构开发效率执行效率。
C++八股——平衡树总结
m0_46329175的博客
05-17 960
简要总结了数据结构中常见的平衡树
【C/C++】C语言内存操作与字符串处理汇总
YZJincsdn的博客
05-19 609
C语言内存操作与字符串处理
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

code_shenbing

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值