OpenCV精进之路（十九）：工具—

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

#include "highgui/highgui.hpp"
#include "opencv2/nonfree/nonfree.hpp"
#include "opencv2/legacy/legacy.hpp"
#include <iostream>  using namespace cv;
using namespace std;void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst);typedef struct
{Point2f left_top;Point2f left_bottom;Point2f right_top;Point2f right_bottom;
}four_corners_t;four_corners_t corners;void CalcCorners(const Mat& H, const Mat& src)
{double v2[] = { 0, 0, 1 };//左上角double v1[3];//变换后的坐标值Mat V2 = Mat(3, 1, CV_64FC1, v2);  //列向量Mat V1 = Mat(3, 1, CV_64FC1, v1);  //列向量V1 = H * V2;//左上角(0,0,1)cout << "V2: " << V2 << endl;cout << "V1: " << V1 << endl;corners.left_top.x = v1[0] / v1[2];corners.left_top.y = v1[1] / v1[2];//左下角(0,src.rows,1)v2[0] = 0;v2[1] = src.rows;v2[2] = 1;V2 = Mat(3, 1, CV_64FC1, v2);  //列向量V1 = Mat(3, 1, CV_64FC1, v1);  //列向量V1 = H * V2;corners.left_bottom.x = v1[0] / v1[2];corners.left_bottom.y = v1[1] / v1[2];//右上角(src.cols,0,1)v2[0] = src.cols;v2[1] = 0;v2[2] = 1;V2 = Mat(3, 1, CV_64FC1, v2);  //列向量V1 = Mat(3, 1, CV_64FC1, v1);  //列向量V1 = H * V2;corners.right_top.x = v1[0] / v1[2];corners.right_top.y = v1[1] / v1[2];//右下角(src.cols,src.rows,1)v2[0] = src.cols;v2[1] = src.rows;v2[2] = 1;V2 = Mat(3, 1, CV_64FC1, v2);  //列向量V1 = Mat(3, 1, CV_64FC1, v1);  //列向量V1 = H * V2;corners.right_bottom.x = v1[0] / v1[2];corners.right_bottom.y = v1[1] / v1[2];}int main(int argc, char *argv[])
{Mat image01 = imread(".\\src_pic\\right.jpg", 1);    //右图Mat image02 = imread(".\\src_pic\\left.jpg", 1);    //左图imshow("p2", image01);imshow("p1", image02);//灰度图转换  Mat image1, image2;cvtColor(image01, image1, CV_RGB2GRAY);cvtColor(image02, image2, CV_RGB2GRAY);//提取特征点    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 vector<KeyPoint> keyPoint1, keyPoint2;surfDetector.detect(image1, keyPoint1);surfDetector.detect(image2, keyPoint2);//特征点描述，为下边的特征点匹配做准备    SurfDescriptorExtractor SurfDescriptor;Mat imageDesc1, imageDesc2;SurfDescriptor.compute(image1, keyPoint1, imageDesc1);SurfDescriptor.compute(image2, keyPoint2, imageDesc2);//获得匹配特征点，并提取最优配对     FlannBasedMatcher matcher;vector<DMatch> matchePoints;matcher.match(imageDesc1, imageDesc2, matchePoints, Mat());cout << "total match points: " << matchePoints.size() << endl;// sort(matchePoints.begin(), matchePoints.end()); //特征点排序    Mat img_match;drawMatches(image01, keyPoint1, image02, keyPoint2, matchePoints, img_match);imshow("match points",img_match);//获取排在前N个的最优匹配特征点  vector<Point2f> imagePoints1, imagePoints2;for (int i = 0; i<matchePoints.size(); i++){imagePoints1.push_back(keyPoint1[matchePoints[i].queryIdx].pt);imagePoints2.push_back(keyPoint2[matchePoints[i].trainIdx].pt);}//获取图像1到图像2的投影映射矩阵 尺寸为3*3  Mat homo = findHomography(imagePoints1, imagePoints2, CV_RANSAC);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  //Mat   homo=getPerspectiveTransform(imagePoints1,imagePoints2);  cout << "变换矩阵为：\n" << homo << endl << endl; //输出映射矩阵      //计算配准图的四个顶点坐标CalcCorners(homo, image01);cout << "left_top:" << corners.left_top << endl;cout << "left_bottom:" << corners.left_bottom << endl;cout << "right_top:" << corners.right_top << endl;cout << "right_bottom:" << corners.right_bottom << endl;//图像配准  Mat imageTransform1, imageTransform2;warpPerspective(image01, imageTransform1, homo, Size(MAX(corners.right_top.x, corners.right_bottom.x),image02.rows));//warpPerspective(image01, imageTransform2, adjustMat*homo, Size(image02.cols*1.3, image02.rows*1.8));imshow("直接经过透视矩阵变换", imageTransform1);imwrite(".\\dst_pic\\trans1.jpg", imageTransform1);//创建拼接后的图,需提前计算图的大小int dst_width = imageTransform1.cols;  //取最右点的长度为拼接图的长度int dst_height = image02.rows;Mat dst(dst_height, dst_width,CV_8UC3);dst.setTo(0);imageTransform1.copyTo(dst(Rect(0, 0, imageTransform1.cols, imageTransform1.rows)));image02.copyTo(dst(Rect(0, 0, image02.cols, image02.rows)));OptimizeSeam(image02, imageTransform1, dst);imshow("dst", dst);imwrite(".\\dst_pic\\dst.jpg", dst);waitKey();return 0;
}//优化两图的连接处，使得拼接自然
void OptimizeSeam(Mat& img1, Mat& trans, Mat& dst)
{int start = MIN(corners.left_top.x, corners.left_bottom.x);//开始位置，即重叠区域的左边界  double processWidth = img1.cols - start;//重叠区域的宽度  int rows = dst.rows;int cols = img1.cols; //注意，是列数*通道数double alpha = 1;//img1中像素的权重  for (int i = 0; i < rows; i++){uchar* p = img1.ptr<uchar>(i);  //获取第i行的首地址uchar* t = trans.ptr<uchar>(i);uchar* d = dst.ptr<uchar>(i);for (int j = start; j < cols; j++){if (t[j*3] == 0 && t[j*3+1] == 0 && t[j*3+2] == 0){alpha = 1;}else{alpha = (processWidth - (j - start)) / processWidth;}d[j*3] = p[j*3] * alpha + t[j*3] * (1 - alpha);d[j*3+1] = p[j*3+1] * alpha + t[j*3+1] * (1 - alpha);d[j*3+2] = p[j*3+2] * alpha + t[j*3+2] * (1 - alpha);}}}

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。