一杯清酒邀明月
天下本无事,庸人扰之而烦耳。

我们经常遇到这样的需求:我们在VS写好的程序,需要在一个没有装opencv甚至没有装vs的电脑下运行,跑出效果。比如,你在你的电脑用opencv+vs2015写出一个程序,然后老师叫你把程序发给他,他要看看功能实现的怎么样。老师的电脑肯定没有整套的开发环境的,如果你想只把代码发给他,让他自己编译,肯定会出现问题。所以,我们需要掌握如何生成一个不依赖开发环境的exe的方法。

下面将以一个实际例子说明如何生成一个不依赖开发环境的exe的方法。

比如我现在在VS2015下实现了一个图像拼接功能的程序

  1 #include "highgui/highgui.hpp"    
  2 #include "opencv2/nonfree/nonfree.hpp"    
  3 #include "opencv2/legacy/legacy.hpp"   
  4 #include <iostream>  
  5 
  6 using namespace cv;
  7 using namespace std;
  8 
  9 void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst);
 10 
 11 typedef struct
 12 {
 13     Point2f left_top;
 14     Point2f left_bottom;
 15     Point2f right_top;
 16     Point2f right_bottom;
 17 }four_corners_t;
 18 
 19 four_corners_t corners;
 20 
 21 void CalcCorners(const Mat& H, const Mat& src)
 22 {
 23     double v2[] = { 0, 0, 1 };//左上角
 24     double v1[3];//变换后的坐标值
 25     Mat V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
 26     Mat V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
 27 
 28     V1 = H * V2;
 29     //左上角(0,0,1)
 30     cout << "V2: " << V2 << endl;
 31     cout << "V1: " << V1 << endl;
 32     corners.left_top.x = v1[0] / v1[2];
 33     corners.left_top.y = v1[1] / v1[2];
 34 
 35     //左下角(0,src.rows,1)
 36     v2[0] = 0;
 37     v2[1] = src.rows;
 38     v2[2] = 1;
 39     V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
 40     V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
 41     V1 = H * V2;
 42     corners.left_bottom.x = v1[0] / v1[2];
 43     corners.left_bottom.y = v1[1] / v1[2];
 44 
 45     //右上角(src.cols,0,1)
 46     v2[0] = src.cols;
 47     v2[1] = 0;
 48     v2[2] = 1;
 49     V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
 50     V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
 51     V1 = H * V2;
 52     corners.right_top.x = v1[0] / v1[2];
 53     corners.right_top.y = v1[1] / v1[2];
 54 
 55     //右下角(src.cols,src.rows,1)
 56     v2[0] = src.cols;
 57     v2[1] = src.rows;
 58     v2[2] = 1;
 59     V2 = Mat(3, 1, CV_64FC1, v2);  //列向量
 60     V1 = Mat(3, 1, CV_64FC1, v1);  //列向量
 61     V1 = H * V2;
 62     corners.right_bottom.x = v1[0] / v1[2];
 63     corners.right_bottom.y = v1[1] / v1[2];
 64 
 65 }
 66 
 67 int main(int argc, char *argv[])
 68 {
 69     Mat image01 = imread(".\\src_pic\\right.jpg", 1);    //右图
 70     Mat image02 = imread(".\\src_pic\\left.jpg", 1);    //左图
 71     imshow("p2", image01);
 72     imshow("p1", image02);
 73 
 74     //灰度图转换  
 75     Mat image1, image2;
 76     cvtColor(image01, image1, CV_RGB2GRAY);
 77     cvtColor(image02, image2, CV_RGB2GRAY);
 78 
 79 
 80     //提取特征点    
 81     SurfFeatureDetector surfDetector(800);  // 海塞矩阵阈值,在这里调整精度,值越大点越少,越精准 
 82     vector<KeyPoint> keyPoint1, keyPoint2;
 83     surfDetector.detect(image1, keyPoint1);
 84     surfDetector.detect(image2, keyPoint2);
 85 
 86     //特征点描述,为下边的特征点匹配做准备    
 87     SurfDescriptorExtractor SurfDescriptor;
 88     Mat imageDesc1, imageDesc2;
 89     SurfDescriptor.compute(image1, keyPoint1, imageDesc1);
 90     SurfDescriptor.compute(image2, keyPoint2, imageDesc2);
 91 
 92     //获得匹配特征点,并提取最优配对     
 93     FlannBasedMatcher matcher;
 94     vector<DMatch> matchePoints;
 95     matcher.match(imageDesc1, imageDesc2, matchePoints, Mat());
 96     cout << "total match points: " << matchePoints.size() << endl;
 97    // sort(matchePoints.begin(), matchePoints.end()); //特征点排序    
 98 
 99     Mat img_match;
100     drawMatches(image01, keyPoint1, image02, keyPoint2, matchePoints, img_match);
101     imshow("match points",img_match);
102 
103     //获取排在前N个的最优匹配特征点  
104     vector<Point2f> imagePoints1, imagePoints2;
105 
106     for (int i = 0; i<matchePoints.size(); i++)
107     {
108         imagePoints1.push_back(keyPoint1[matchePoints[i].queryIdx].pt);
109         imagePoints2.push_back(keyPoint2[matchePoints[i].trainIdx].pt);
110     }
111 
112 
113 
114     //获取图像1到图像2的投影映射矩阵 尺寸为3*3  
115     Mat homo = findHomography(imagePoints1, imagePoints2, CV_RANSAC);
116     ////也可以使用getPerspectiveTransform方法获得透视变换矩阵,不过要求只能有4个点,效果稍差  
117     //Mat   homo=getPerspectiveTransform(imagePoints1,imagePoints2);  
118     cout << "变换矩阵为:\n" << homo << endl << endl; //输出映射矩阵      
119 
120     //计算配准图的四个顶点坐标
121     CalcCorners(homo, image01);
122     cout << "left_top:" << corners.left_top << endl;
123     cout << "left_bottom:" << corners.left_bottom << endl;
124     cout << "right_top:" << corners.right_top << endl;
125     cout << "right_bottom:" << corners.right_bottom << endl;
126 
127     //图像配准  
128     Mat imageTransform1, imageTransform2;
129     warpPerspective(image01, imageTransform1, homo, Size(MAX(corners.right_top.x, corners.right_bottom.x),image02.rows));
130     //warpPerspective(image01, imageTransform2, adjustMat*homo, Size(image02.cols*1.3, image02.rows*1.8));
131     imshow("直接经过透视矩阵变换", imageTransform1);
132     imwrite(".\\dst_pic\\trans1.jpg", imageTransform1);
133 
134 
135     //创建拼接后的图,需提前计算图的大小
136     int dst_width = imageTransform1.cols;  //取最右点的长度为拼接图的长度
137     int dst_height = image02.rows;
138 
139     Mat dst(dst_height, dst_width,CV_8UC3);
140     dst.setTo(0);
141 
142     imageTransform1.copyTo(dst(Rect(0, 0, imageTransform1.cols, imageTransform1.rows)));
143     image02.copyTo(dst(Rect(0, 0, image02.cols, image02.rows)));
144 
145     OptimizeSeam(image02, imageTransform1, dst);
146 
147 
148     imshow("dst", dst);
149     imwrite(".\\dst_pic\\dst.jpg", dst);
150 
151     waitKey();
152 
153     return 0;
154 }
155 
156 
157 //优化两图的连接处,使得拼接自然
158 void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst)
159 {
160     int start = MIN(corners.left_top.x, corners.left_bottom.x);//开始位置,即重叠区域的左边界  
161     
162     double processWidth = img1.cols - start;//重叠区域的宽度  
163     int rows = dst.rows;
164     int cols = img1.cols; //注意,是列数*通道数
165     double alpha = 1;//img1中像素的权重  
166     for (int i = 0; i < rows; i++)
167     {
168         uchar* p = img1.ptr<uchar>(i);  //获取第i行的首地址
169         uchar* t = trans.ptr<uchar>(i);
170         uchar* d = dst.ptr<uchar>(i);
171         for (int j = start; j < cols; j++)
172         {
173             if (t[j*3] == 0 && t[j*3+1] == 0 && t[j*3+2] == 0)
174             {
175                 alpha = 1;
176             }
177             else
178             {
179                 alpha = (processWidth - (j - start)) / processWidth;
180             }
181 
182             d[j*3] = p[j*3] * alpha + t[j*3] * (1 - alpha);
183             d[j*3+1] = p[j*3+1] * alpha + t[j*3+1] * (1 - alpha);
184             d[j*3+2] = p[j*3+2] * alpha + t[j*3+2] * (1 - alpha);
185             
186         }
187     }
188 }

那么怎样才可以生成一个不依赖于环境的可执行程序exe呢?

1.选择release方式

为什么要选择release而不选择debug模式?因为debug模式我也尝试过了,因为debug模式要加入某些vs的debug dll,可能比较难找,就不使用debug模式了,relase模式更为方便。

2.重新生成解决方案

3.找到生成的exe的存放位置

因为我生成的是x64文件,所以就选择X64。生成X86的就选X86文件夹。

我们选relsease文件夹

发现有四项东西

3.建立自己的文件夹

自己新建一个文件夹(我命名为my_exe),以后所有东西都放这里了。并将上面提到的四项东西拷贝到这里。并根据我们程序写的读取图片和存储图片的位置,生成如下的两个文件夹src_pic和dst_pic。

4.找出opencv dll库的位置

将里面的东西全选,并拷贝到刚新建的文件夹内。

5.根据程序写的读取图片的位置放入待处理的图片

6.运行exe文件

这个exe文件是你从vs工程copy过来的那个exe,别弄错了。

完美运行。

再看看dst_pic文件夹,生成的图片已经如我们所愿存进去了!

可能遇到的问题

在实际操作中可能遇到exe无法执行或者出错的情况,这时应第一时间查看依赖项是否填写正确。

因为我们选择的是release版本,所以依赖项填写的是不带d的!这个要确认清楚。

posted on 2020-12-23 11:31  一杯清酒邀明月  阅读(303)  评论(0编辑  收藏  举报