vs2019源码编译32位openCV

任务 大创项目需要实现硬件处理图像,则前期准备工作配置环境,使用32位cpu适用的库文件。但近期的版本官网没有直接提供,需要从源码直接编译。 此前更多是在linux环境进行build from source操作,因此这也是进行一次windows环境下的尝试。期间遇到了不少问题,下面是无误操作。 过程 由于下载的开源人脸识别seetaface工程是win32的配置,我先入为主,想要完成的是win32,但现在发现win32相对与x86范围更窄: win32是指windows 32位的操作系统,顾名思义是支持32为CPU的操作系统。x86是指CPU的位,X86是指32位的CPU.x64指64位CPU,一个是指操作系统,一个是指CPU。 win32、x86的区别 不过操作过程应该只需要进行替换对应位置选项即可,后期实现进行更新。 下载 https://opencv.org/releases/ 官网下载👆所需版本的源文件(sources) https://cmake.org/download/ 官网下载👆windows平台下的cmake 编译 主要参考文章:Windows32位系统下 Vs2015 配置Opencv 相关官方文档:https://docs.opencv.org/3.4.12/d3/d52/tutorial_windows_install.html 参考文章的过程很详尽,但遗漏了最初一张步骤截图,找猫画虎会有问题: 即:重点要选择generator的platform为自己的目标平台 此后的步骤与文章一致即可 最终是能全部成功生成的,而此前总会出现的fatal error LNK1112: 模块计算机类型“x86”与目标计算机类型“x64”冲突没有出现 配置 新建项目进行测试,需要对项目的属性管理器进行相关配置:包含目录、库目录分别添加上述编译过程中产生的对应目录 动态编译链接库加入生成的**world**.dll,当然,还需要将它加入系统的环境变量中的path,否则会运行报错: 由于找不到opencv_world320d.dll, 无法继续执行代码 环境变量相当于给系统或用户应用程序设置的一些参数,具体起什么作用这当然和具体的环境变量相关。比如path,是告诉系统,当要求系统运行一个程序而没有告诉它程序所在的完整路径时,系统除了在当前目录下面寻找此程序外,还应到哪些目录下去寻找

Matlab二阶系统性质

任务 自动控制原理课程覆盖了系统的分类、性质,系统稳定性的定义、判据,并在第3章重点讲解一阶系统、二阶系统的动态性能与稳态性能。最初直接被灌输了系统闭环传递函数带有参数的表达形式: 另: (系统的特征方程为传递函数分母的多项式部分) 闭环放大系数均为1 现在,随着对系统动态性能的了解,将参数对应的实际性质能够对应起来,通过matlab绘制进一步深化理解。 一阶系统 由于系统闭环放大系数不变,稳态皆趋于1; 惯性时间常数T越大,达到稳态的时间越长,通过输出达到设定值的百分比所在时间可以将上升时间与峰值时间用T表示 二阶系统 固定ζ不变,则各性质只受ω影响,随着ω增大,上升时间、稳定时间、峰值时间减小;超调量保持不变 固定受ω不变,则各性质只受ζ影响,在0<ζ<1时,系统处于欠阻尼状态,随着ζ增大,超调量减小,上升时间、稳定时间、峰值时间减小;在ζ=1时,系统处于临界阻尼状态;在ζ>1时,系统处于过阻尼状态

python多线程处理循环时中断

任务 在进行种子杯的比赛时,为了实现可视化的调试,目标是程序在进行自动寻路算法时,可以通过键盘输入暂停,查看当前地图状态,并可手动操作(玩蛇),通过键盘继续自动寻路。 通过以下方法进行实现。 控制台输出 需要使地图实时更新,并且稳定在一定的窗口,需要采用多行刷新。 python 控制台单行刷新,多行刷新 尝试demo,与需求基本一致 查看使用文档: Curses Programming with Python _curses.error: addstr() returned ERR 原因是输出超出窗口,可以通过函数查看窗口大小 多线程 首先尝试一下 python在循环时如何监控键盘输入并对当前的循环进行操作 本人python新手,正在用python解决一些实际问题,现在想实现这样一个功能:在一个循环里面检测键盘的输入,并根据输入的内容对当前的循环进行一些操作,或者在屏幕上增加几个按钮,用鼠标点也可以。例如: 在一个 i=1到10的 for 循环里面,假如当前循环到i=5,我此时按下空格键,循环暂停,此时按->键,i从5跳到6,但循环还是暂停状态,输出的结果显示i=6的结果,同理若按<-键,i从5跳到4,输出显示i=4的结果,当再一次按下空格键时,循环继续。 首先通过例程学习多线程的使用,通过实例化一个继承Thread.threading的对象,通过调用函数即可开启线程。 Python3 多线程

频域增强-同态滤波

任务 对一张暗度较高的图像进行处理,直方图均衡的结果差强人意。 感到有白色噪点分布,视觉效果不好。采用同态滤波的方式进行处理,滤波方式尝试理想滤波、butterworth滤波以及gaussian滤波。 代码 思路 按照光图像的成像原理,可以对一幅图像进行简单建模: 𝒇(𝒙,𝒚)=𝒊(𝒙,𝒚)·𝒓(𝒙,𝒚) 即把图像亮度 𝒇(𝒙,𝒚) 看成是由入射分量(入射到景物上的光强度)𝒊(𝒙,𝒚) 和反射分量(景物反射的光强度)𝒓(𝒙,𝒚) 组成。 同态滤波的基本思想是减少入射分量 ,并同时增加反射分量 𝒓(𝒙,𝒚) 来改善图像 𝒇(𝒙,𝒚) 的显示效果;𝒊(𝒙,𝒚) 在空间上变化缓慢,其频谱集中在低频段,𝒓(𝒙,𝒚) 反映图像的细节和边缘,其频谱集中在高频段。 为了将入射分量和反射分量分离,方便进行入射分离的削弱和反射分量的增强,需要对图像先取对数,再进行傅里叶变换,对频谱上设计相应的传递函数进行滤波后,反变换回空域,指数处理后就得到了相应的增强图像。 整个过程的流程是比较清晰的,最初容易迷惑的一点是如何获得入射分量 𝒊(𝒙,𝒚) 和反射分量 𝒓(𝒙,𝒚)——二者无法分离得到具体数据,只是在频域中有区分度。 此外,最核心的一点是设计滤波器实现对两种分量的作用,这对整个滤波效果的影响是最为显著的。过程中,我首先简化问题,设计理想滤波器实现,思路如下: 在傅氏变换后的频谱图中,未经频移时,低频分量在四个角落,高频分量在中心点处。为了符合认知,故先将变换后图片进行频移,进行处理后,再反向频移。 此后,为了达到更好的效果,又采用butterworth函数与gaussion函数实现滤波,并对其效果进行对比。 实现效果 理想滤波 代码 第一开始出现的效果很好,如右下角图所示,整个画面出现了一些事物的轮廓。但发现函数中未增加取指数部分,因此效果主体原因是动态范围压缩的作用(log(1+s))。当用直接动态压缩做为对比时,可见二者没有明显差别。 在原函数的基础上进行参数的调整,并没有较好的效果出现。 对不同截止频率得到的结果图像放大细节,可以看到有振铃效果出现。 butterworth滤波 用幂系数n可以改变滤波器的形状。n越大,则该滤波器越接近于理想滤波器。高通滤波即用1减低通滤波函数。 代码 不同截止频率 随着截止频率的提升,被压的低频成分增加,图像颜色愈深。 不同下限倍乘 不同上限倍乘 Gaussian滤波 代码 最终运用Gaussian滤波,将三者进行对比 对比总结 直方图均衡对于改善低照图图像的灰度分布有更好的效果,可以显著地凸显暗部,增强对比度,将原图中难以观察到的物体都能够很好地显示。但由于直方图均衡合并了一些灰度级,也使一些部位的边缘细节被抹去,例如车上的车窗,集装箱上的条纹等等。 而同态滤波仅仅对具有丰富,锐利边缘的细节进行了增强,但并不能改善原图像的暗部,因为原图像的暗部也是低频成分居多。 同时,直方图均衡的效果与图像本身的性质关联不大,在任何图像上都能取得不错的效果。但同态滤波参数的设置需要根据图像的特点进行配置,同一套参数在往往在另一幅图像上的效果很不理想,若想要同态滤波取得比较好的效果,需要先根据图像设置参数。        总的来说,直方图均衡更具有自适应性,同时能从图像总体上进行增强,无论是暗部还是高光,都起到增强对比度,提升细节的效果。同态滤波可以提升边缘的细节,压缩图像的动态范围,从而提升对比度。 参考文章 把一个矩阵矩阵范围拉伸到minVal~maxVal的范围内 数字图像处理-频域滤波-高通/低通滤波 《数字图像处理 实验报告》施珉

空域锐化滤波与高频增强滤波

任务 在空域进行系列实验后,形成一个灵活性较强的函数,能够传递3*3的卷积核进行卷积,若采用拉普拉斯算子,则为锐化滤波;同期进行频域增强的实验,比较二者的区别。 (另:想要实现对模糊图像的增强处理,目前没有方法) 空域锐化 代码 效果展示 不同算子 高频增强 采取理想高通滤波器,且进行近似简化——把圆形转化为矩形域,方便矩阵操作。可以快速一窥效果如何 代码 效果展示 显示的反变换图像为截去至原图大小后的结果(边缘被扩充),可以验证FFT算法的有效性。此外,可以看到,随着阈值的提高,图像的边缘处得到增强,大量细节丢失。直到最后损失所有信息。 参考文章 灰度图像的频率域滤波——理想高通滤波器(Matlab) matlab 傅里叶变换 高斯高通滤波

空域滤波-中值滤波

任务 在进行均值滤波后,相类的对空域的操作是中值滤波。即百分比滤波的一种特例,使中心点像素值为模板覆盖所有像素值排列后某特定位的值。 百分比滤波 代码 实现效果 与均值滤波对比 与均值滤波相比,去噪效果较好,且清晰度较高。 不同百分比对照 可见,在百分比选取在0.2~0.5之间时,去噪效果较好,当百分比升高,选取的像素值趋近噪点,使图像出现大片雪花。 修改模板大小 代码 实现效果 百分比选取固定值不变(中值0.5),随着模板的增大,图像的噪点趋于平滑。但模板更大时,整幅图像模糊化。

空域滤波——均值滤波

任务 对于空域滤波主要是提供某种卷积核,使图片中与这一模板相似的成分得到增强。 平滑滤波器 均值滤波 主要思路是,将边缘像素值保留,内部置0;因为整数运算更快,所以先将边缘*9,与之后进行处理的其他像素点的范围一致,再最终/9得到滤波后图像。 均值滤波函数 matlab的添加噪声函数imnoise需要下载图像处理工具箱,可以利用文章MATLAB–数字图像处理 添加椒盐噪声的方法得到椒盐噪声图像,进行滤波效果的展示。 椒盐噪声函数 结果展示 不同大小卷积核的作用效果 教材中提到的一点,当变换不同大小的平滑模板作为卷积核时,图像效果会有变化:具体表现在,平滑模板越大,噪声消除增强,但图像更模糊。 改进函数,可以对平滑模板的大小利用传参n进行设置。 模板大小可调节函数 实现效果 分别将模板大小调节为3×3/5×5/7×7/9×9,对比显示,可见效果确实与推测一致。 只是由于模板越大,保留的边缘也越大,出现了边缘像素值的噪声分布明显的情况,现提出两种解决方案: 直接截去边缘像素部分 对边缘像素部分减小模板进行计算 下面对方法二进行实现。 边缘处理 思路是,通过补-1(不在像素值0~255的有效值表示范围内)扩展原灰度图的大小,使得边缘的像素点也能够使用同一模板计算。 核心需要一个能够统计矩阵中不为-1个数的表达式,形如[cnt,~]=size(sum(convM(convM~=(-1)),3));其中cnt为矩阵convM中不为(~=)-1的个数。 边缘处理函数 最终效果 可见,此时边缘的噪声也得到了一定程度的去除。 参考文章 MATLAB–数字图像处理 添加椒盐噪声 matlab怎么求一个matrix中非0的平均值

Linux命令小结

任务 总结一下最近使用linux时比较有用的命令,还有遇到问题的解决方式 编译make时not compatible 问题背景 初次安装gnuradio时,我为了稳定性选择3.7版本,而当前子模块项目的版本都是默认与gnuradio 3.8相匹配,每次编译时,都会出现not compatible的错误 解决方法 因为git提供不同分支的版本管理,方便切换.可以通过git checkout命令,利用tab的补全功能,查看有那些版本可供选择,再选择即可. ssh上传文件permission denied 问题背景 在更新博客图片时,需要上传无损压缩的bmp格式,但WordPress默认不支持这种格式图片,不想修改博客设置,打算直接将文件上传到服务器实现. 但使用ssh的scp命令遇到一些障碍: 指定端口 文件夹无法访问 解决方法 指定端口与ssh登录相似,加上-p 22,即指定22端口 文件夹无法访问是权限原因,服务器上进行设定chmod 777 filename,则文件或文件夹filename可访问 了解swig时gcc编译缺少头文件 问题背景 在用gnuradio进行wifi信号监测时,安装的模块依赖程序是swig,它能够方便实现其他高级语言对C/C++的调用. 在官网上尝试小例子,但在编译过程中报错,缺少tcl.h 解决方法 主要参考文章Linux编译程序时找不到头文件的解决办法 Linux编译程序时如果找不到头文件会提示如下错误:$ gcc test.c -o testtest.c:9:16: fatal error: xxx.h: No such file or directory #include<xxx.h> 下面叙述以Ubuntu系统为例。先查找 xxx.h 所在路径:$ sudo find / -name xxx.h/usr/local/include/xxx/xxx.h然后用-I选项把目录加上编译:$ gcc test.c -o test… Continue reading Linux命令小结

matlab图像增强-利用位面图传输密文

2020.10.4更新: 发现虽然在图像中加入密文成功,但在利用函数imwrite()保存图像时,因为格式jpg为压缩格式,实际上对图像数据进行了变换,属于有损压缩。 因此需要选择矢量图的保存方式,如bmp.因此原本上传的图像无法正常解密,现在更新的图像可以。此处感谢@yezixuan的指正! 任务 数字图像课程中一个很有趣的一个地方是位面图,即把灰度图的8位拆解,并将各位输出图像。但前面的高位体现出图像的细节,低位几乎没有影响。因此老师提到一个思路是通过图像传输密文,这里进行模拟体验。 过程 获取位面图 首先将图片转为灰度图,再将灰度值用二进制编码表示,最终得到各平面的结果。 下面代码是第8位(最低位)的位面图输出过程,其他各位相似。 位面图像 加密 利用工具:汉字二进制转换器。将需要传递的文字信息转化为二进制编码。 下一步,只需要将二进制编码以约定形式集成到图片中,再通过叠加传输至对方手中,进行解密即可。 字符串切分 在工具中将utf-8编码的汉字转化为二进制,根据网页提供的资料可知,每个汉字对应的编码为3字节,即占据3*8bit=24bit。 不同的字符集对同一个多字节字符的编码可能不同,并且对其编码的字节数也可能不同。例如“中”字,Unicode使用4字节表示,UTF-8使用3字节,GB18030则使用2字节不同的编码表示。所以在汉字与二进制转换中需要考虑到字符的编码,通常,按照UTF-8编码与二进制进行转换。 汉字二进制转换器 因为matlab提供字符串分割函数split(str,’ ‘),与python中用法相同,即将字符串str用引号内的字符分割开来,且引号中的字符被舍去。 hint:与split()形成反函数的对应函数为join(),可以将得到的密文字符串重新合并。 需要注意的问题是,应用函数split()后得到的是cell类型的数组,不可能直接赋值给char类型的数组,需要强制类型转换。 加密效果 由于只更改了部分像素点灰度值的最末位,故显示在灰度图上肉眼不可区分,能够实现传输密文功能。 解密 下面是添加密文之后得到的图片,全部过程已经包含在代码中。有兴趣的朋友可以尝试解密,成功者惊喜奉上。 下载图片链接