编译opencv例程

Ⅰ 在ARM上运行交叉编译后的opencv文件，没有输出

一、交叉编译opencv
构造：

下载：各个库的下载可以直接搜名字到官网下载
几个关键解释：
“--prefix=” 后边跟make install时的位置，本例中，libz在make install时将安装到/usr/arm-linux-gnueabihf中
“--host=” 后边跟arm-linux表明使用的是ARM环境
有configure的才能进行configure配置
4）所有的makefile修改类似
Libz的交叉编译
第一步：# ./configure --prefix=/usr/arm-linux-gnueabihf --shared
第二步：修改makefile，主要有下边几个，修改的时候通篇参照即可
CC=arm-linux-gnueabihf-gcc
AR=arm-linux-gnueabihf-ar rc
RANLIB=arm-linux-gnueabihf-ranlib
STRIP = arm-linux-gnueabihf-strip
如果有ARCH的话，ARCH=ARM
第三步：#sudo make
#sudo make install
Libjpeg的交叉编译
第一步：#./configure --host=arm-linux --prefix=/usr/arm-linux-gnueabihf --enable-shared --enable-static CC=arm-linux-gnueabihf-gcc
第二步：参考1）中方法修改makefile
第三步：#sudo make
#sudo make install
Libpng的交叉编译
第一步：#./configure --host=arm-linux --prefix=/usr/arm-linux-gnueabihf --enable-shared --enable-static CC=arm-linux-gnueabihf-gcc
第二步：参考1）中方法修改makefile
第三步：#sudo make
#sudo make install
Yasm的交叉编译
第一步：#./configure --host=arm-linux --prefix=/usr/arm-linux-gnueabihf --enable-shared --enable-static
第二步：修改makefile
第三步：#sudo make
#sudo make install
Libx264的交叉编译
第一步：#CC=arm-linux-gnueabihf-gcc ./configure --enable-shared --host=arm-linux --disable-asm --prefix=/usr/arm-linux-gnueabihf
第二步：修改config.mak里的参数，因为makefile要调用config.mak，所以修改方法同makefile
第三步：#sudo make
#sudo make install
Libxvid的交叉编译
第一步：首先切换目录 #cd build/generic
第二步：#./configure --prefix=/usr/arm-linux-gnueabihf --host=arm-linux --disable-assembly
第三步：#sudo make
#sudo make install
ffmpeg的交叉编译
第一步：
./configure --enable-cross-compile --target-os=linux --cc=arm-linux-gnueabihf-gcc --arch=arm --enable-shared --disable-static --enable-gpl --enable-nonfree --enable-ffmpeg --disable-ffplay --enable-ffserver --enable-swscale --enable-pthreads --disable-yasm --disable-stripping --enable-libx264 --enable-libxvid --extra-cflags=-I/usr/arm-linux-gnueabihf/include --extra-ldflags=-L/usr/arm-linux-gnueabihf/lib --prefix=/usr/arm-linux-gnueabihf
第二步：修改makefile文件
第三步：#sudo make
#sudo make install
第四步：将ffmpeg加入pkg-config
执行#sudo gedit /etc/bash.bashrc，在末尾加入
export LD_LIBRARY_PATH=/usr/arm-linux-gnueabihf/lib/
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/arm-linux-gnueabihf /lib/pkgconfig
export PKG_CONFIG_LIBDIR=$PKG_CONFIG_LIBDIR:/usr/arm-linux-gnueabihf /lib/
完毕后使用命令：#source /etc/bash.bashrc
或者单独使用三个export，不过寿命只在一个终端中，终端关闭时就失效。
几个关键解释：--extra-flags指向xvid的安装路径，--extra-ldflags指向x264的路径
安装cmake-gui
执行：#sudo apt-get install cmake-qt-gui
Opencv的交叉编译
第一步：修改opencv/platflrms/linux/目录下的arm-gnueabi.toolchain.cmake，将其所有删掉，写入：
set( CMAKE_SYSTEM_NAME Linux )
set( CMAKE_SYSTEM_PROCESSOR arm )
set( CMAKE_C_COMPILER arm-linux-gnueabihf-gcc )
set( CMAKE_CXX_COMPILER arm-linux-gnueabihf-g++ )
第二步：在opencv目录下新建build目录，进入build目录，执行命令：
#cmake -DCMAKE_TOOLCHAIN_FILE=../platforms/linux/arm-gnueabi.toolchain.cmake ../
这时，要保证出现：

第三步：使用cmake-gui打开CMakeCache.txt，去掉所有的无关项，修改CMAKE_INSTALL_PREFIX，来确定make install的目录
第四步：#sudo make
#sudo make install
可能出现的错误：
opencv编译不通过，出现skip之类的，说明ffmpeg没编译好，或者其编译好了，但是pkg-config没有设置好，一定要设置好其环境
前边几步不通过的话，看看命令有没有少，或者有没有修改好makefile
在arm上使用时，一种方法时直接将编译好的opencv目录下的lib文件拷贝到开发板对应的/lib目录下，其他或者拷贝到自己指定的目录，并设置好环境变量即可使用

Ⅱ 在ubantu12.04版本环境下，使用交叉编译工具编译opencv，老出现这个问题，求大神指教！

整个项目的结构图：

编写DetectFaceDemo.java,代码如下：

[java] view
plainprint?

package com.njupt.zhb.test;

import org.opencv.core.Core;

import org.opencv.core.Mat;

import org.opencv.core.MatOfRect;

import org.opencv.core.Point;

import org.opencv.core.Rect;

import org.opencv.core.Scalar;

import org.opencv.highgui.Highgui;

import org.opencv.objdetect.CascadeClassifier;

//

// Detects faces in an image, draws boxes around them, and writes the results

// to "faceDetection.png".

//

public class DetectFaceDemo {

public void run() {

System.out.println("\nRunning DetectFaceDemo");

System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());

// Create a face detector from the cascade file in the resources

// directory.

//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("森段并lbpcascade_frontalface.xml").getPath());

//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());

//注意：源程序的路径会多打印一个燃竖‘/’，因此总是出现如下错误

/*

* Detected 0 faces Writing faceDetection.png libpng warning: Image

* width is zero in IHDR libpng warning: Image height is zero in IHDR

* libpng error: Invalid IHDR data

*/

//因此，我们将第一个字符去掉

String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);

CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);

Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));

// Detect faces in the image.

// MatOfRect is a special container class for Rect.

MatOfRect faceDetections = new MatOfRect();

faceDetector.detectMultiScale(image, faceDetections);

System.out.println(String.format("此迹Detected %s faces", faceDetections.toArray().length));

// Draw a bounding box around each face.

for (Rect rect : faceDetections.toArray()) {

Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));

}

// Save the visualized detection.

String filename = "faceDetection.png";

System.out.println(String.format("Writing %s", filename));

Highgui.imwrite(filename, image);

}

}
package com.njupt.zhb.test;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.highgui.Highgui;
import org.opencv.objdetect.CascadeClassifier;

//
// Detects faces in an image, draws boxes around them, and writes the results
// to "faceDetection.png".
//
public class DetectFaceDemo {
public void run() {
System.out.println("\nRunning DetectFaceDemo");
System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());
// Create a face detector from the cascade file in the resources
// directory.
//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());
//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());
//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误
/*
* Detected 0 faces Writing faceDetection.png libpng warning: Image
* width is zero in IHDR libpng warning: Image height is zero in IHDR
* libpng error: Invalid IHDR data
*/
//因此，我们将第一个字符去掉
String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);
CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);
Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));
// Detect faces in the image.
// MatOfRect is a special container class for Rect.
MatOfRect faceDetections = new MatOfRect();
faceDetector.detectMultiScale(image, faceDetections);

System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));

// Draw a bounding box around each face.
for (Rect rect : faceDetections.toArray()) {
Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));
}

// Save the visualized detection.
String filename = "faceDetection.png";
System.out.println(String.format("Writing %s", filename));
Highgui.imwrite(filename, image);
}
}

3.编写测试类：

[java] view
plainprint?

package com.njupt.zhb.test;

public class TestMain {

public static void main(String[] args) {

System.out.println("Hello, OpenCV");

// Load the native library.

System.loadLibrary("opencv_java246");

new DetectFaceDemo().run();

}

}

//运行结果:

//Hello, OpenCV

//

//Running DetectFaceDemo

///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml

//Detected 8 faces

//Writing faceDetection.png
package com.njupt.zhb.test;
public class TestMain {
public static void main(String[] args) {
System.out.println("Hello, OpenCV");
// Load the native library.
System.loadLibrary("opencv_java246");
new DetectFaceDemo().run();
}
}
//运行结果:
//Hello, OpenCV
//
//Running DetectFaceDemo
///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml
//Detected 8 faces
//Writing faceDetection.png

Ⅲ cv2.error: /io/opencv/moles/imgproc/src/color.cpp:10638: error: (-215) scn == 3 || scn == 4 i

1. 编译第一个opencv程序，出现了如下的错误。

[plain]view plain

• 1>openCVTest.obj:errorLNK2019:无法解析的外部符号_cvReleaseImage，该符号在函数_wmain中被引用

• 1>openCVTest.obj:errorLNK2019:无法解析的外部符号_cvDestroyWindow，该符号在函数_wmain中被引用

• 1>openCVTest.obj:errorLNK2019:无法解析的外部符号_cvWaitKey，该符号在函数_wmain中被引用

• 1>openCVTest.obj:errorLNK2019:无法解析的外部符号_cvShowImage，该符号在函数_wmain中被引用

• 1>openCVTest.obj:errorLNK2019:无法解析的外部符号_cvNamedWindow，该符号在函数_wmain中被引用

• 1>openCVTest.obj:errorLNK2019:无法解析的外部符号_cvLoadImage，该符号在函数_wmain中被引用

• 这种错误很大概率是因为需要的库并没有添加进去，但是我仔细检查了好几遍，需要的opencv的库我都添加了。鼓捣了半天，最后发现原来是我的配置设错了，我的电脑是64位的，但却设置成了win32。修改方法为在配置中添加一个x64的选项，然后应用该选项即可。



2. fatal error C1010错误，具体错误信息如下：

[plain]view plain

• detection.cpp(11):fatalerrorC1010:在查找预编译头时遇到意外的文件结尾。是否忘记了向源中添加“#include"StdAfx.h"”?

• 解决方法，进行如下图所示的修改。将预编译头选项由“使用(/Yu)”改为“不使用预编译头”



3. 在Visual Studio中读取文件或者haarcascade_frontalface_alt.xml时文件的格式问题。正确的路径格式应为"C:/path"或者为"C:\path"，Windows下默认的"C:path"这样的格式是错误，会导致一些读取文件上的错误。

4.Error opening file (../../moles/highgui/src/cap_ffmpeg_impl.hpp:529)错误

主要原因是读取的文件的路径不正确，结合第三个错误进行改正。

5. 通过cv.cvtColor()函数将图像转为灰度图像时发生错误，错误信息如下：

[plain]view plain

• OpenCVError:Assertionfailed(scn==3||scn==4)incv::cvtColor,file........opencvmolesimgprocsrccolor.cpp,line3737gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)cv2.error:........opencvmolesimgprocsrccolor.cpp:3737:error:(-215)scn==3||scn==4infunctioncv::cvtColor

• 错误原因是因为你的输入文件不合法，正确的image应该至少有3或者4个channel，但是我通过image.shape只显示为2，说明它是一个灰度图像。奇怪的是我读入的文件确实是一个彩色图像，怎么会显示是灰度图像呢？然后我尝试把读取的图像再通过cv2.imwrite()函数写出来，果然重新写出来的图像是一张灰度图像，那到底是哪个地方出的错？因为cv2.cvtColor()前面就只有一个cv2.imread()的函数，莫非是该函数读取图像时出的问题？该函数只有两个参数，第一个是要读取的图像的路径，第二个是个0。但是自己对这第二个参数0却是不明觉厉，究竟这个参数是干啥用的。赶紧上网查找，果然是这个0搞的鬼。

Python:cv2.imread(filename[, flags])


这是该函数的语法。这个flags参数指定加载图像的color类型：如果大于0，返回一个3通道的彩色图像；如果为0，返回一个灰度图像；如果小于0，则返回加载的图像本身(with alpha channel)。

将第二个参数0去掉后，果然问题就解决了。

6. imread()读取错误

首先看看是不是文件的路径错误，如果路径正确的情况下仍然出现错误，很有可能是配置opencv的dll的问题，比如你的程序运行的是debug，但是opencv的dll却是release版本；或者运行的是release，但是opencv的dll却是debug版本。一句话就是运行和dll的版本不匹配。

Ⅳ 如何编译opencv中的install工程

第一步：由于opencv是在cmake工具下建立的工程，所以我们先要下载cmake，下载地址随便一搜都有，不多说。下载到home的主目录下，这里我们是/home/lg。看下面的命令：#cd /home/lg#tar xzvf CMake2.4.7.tar.gz .#cd CMake2.4.7#./boostrap#gmake#make install这样cmake工具安装好了，并且可以直接使用cmake命令根据cmake的编译规律，我们选择外部编译。
2
下载Opencv2.3.0到/home/lg解压后进入Opencv2.3.0的目录下（这里的opencv与以前版本1.0的不一样，没有configure文件，所以我们执行不了 ./configure命令） ：#mkdir build#cd build#cmake -D CMAKE_BUILD_TYPE=RELEASE -DCMAKE_INSTALL_PREFIX=/usr/local -D BUILD_PYTHON_SUPPORT=ON.. （这条命令解析可以参考cmake教程， 但是记住这里的第二个选项，我们将opencv安装在/usr/local目录下的）#make#make install到这opencv编译完成，接下去看看opencv这个工具能正常使用。
3
记住这里的做法前一种对fedora有用， 也就是说在fedora的环境下只能使用这种做法， 但是ubuntu却可以使用两种方法。 顺便说一下， 经常遇见apt-get命令，这是在ubuntu下使用获取软件包的命令， fedora使用的是yum， 记住了， 否则经常出现使用apt-get却获取不了软件包的情况。方法1：在/etc/ld.so.conf.d下新建一个文件opencv.conf，里面输入/usr/local/lib方法2：在/etc/ld.so.conf文件中加入/usr/local/lib这一行然后执行#ldconfig(root权限下）#cp /usr/local/lib/pkconfig/opencv.pc /usr/lib/pkgconfig(或者是输入这个命令 exportPKG_CONFIG_PATH=/usr/local/lib/pkgconfig:$PKG_CONFIG_PATH)（ pkconfig的用法见以前的博文）至此opencv安装完成我们可以找个例子来做实验#cd /home/lg/Opencv2.3.0#cd samples/cpp#g++ `pkconfig --cflags --libs opencv` drawing.cpp -odrawing(记住前面的两个引号是通过ESC下面的那个波浪符键获得的)现在我们编译那个人脸检测程序，在Opencv2.3.0/data/目录下有检测鼻子、眼睛的XML文件，这可以通过改build目录下的c目录下的facedetect文件获得。#cd ..#cd c#g++ `pkconfig --cflags --libs opencv` facedetect.c -ofacedetect到此结束

Ⅳ opencv如何编译能支持单片机

可根据如下操作实现。
首先在VS中用C++写一个串口能信的子程序放到OPENCV的程序中，再写一个单片机的串口通信程序，最后连接运行即可。