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。

OpenCV精进之路(十九):工具——程序打包发布相关推荐

  1. OpenCV精进之路(九):图像轮廓和图像分割修复——图像修复技术

    在实际应用中,我们的图像常常会被噪声腐蚀,这些噪声或是镜头上的灰尘或水滴,或是旧照片的划痕,或者是图像遭到人为的涂画(比如马赛克)或者图像的部分本身已经损坏.如果我们想让这些受到破坏的额图片尽可能恢复 ...

  2. tensorflow精进之路(十九)——python3网络爬虫(下)

    1.概述 这一节,我们将在百度图片中爬取需要训练的图片数据:猪.蛇.狗.大象.老虎. 2.打开待爬取网页 打开百度图片首页: http://image.baidu.com/ 在搜索框中输入" ...

  3. OpenCV精进之路(十六):图像分解和融合技术——图像拼接和图像融合技术

    图像拼接在实际的应用场景很广,比如无人机航拍,遥感图像等等,图像拼接是进一步做图像理解基础步骤,拼接效果的好坏直接影响接下来的工作,所以一个好的图像拼接算法非常重要. 再举一个身边的例子吧,你用你的手 ...

  4. OpenCV C++案例实战十九《制作电子相册查看器》

    OpenCV C++案例实战十九<制作电子相册查看器> 前言 一.图片读取 二.图片展示 三.键盘控制 四.效果显示 五.源码 总结 前言 本文将使用OpenCV C++ 制作电子相册查看 ...

  5. C语言笔记 第三十九课 程序中的三国天下

    第三十九课 程序中的三国天下 程序中的栈 栈是现代计算机程序里最为重要的概念之一 栈在程序中用于维护函数调用上下文 函数中的参数和局部变量存储在栈上 栈是一种行为,一种先进后出的行为 栈保存了一个函数 ...

  6. Tsukinai的第四十九个程序(在字符串每个字符间插入一个空格)

    Tsukinai的第四十九个程序 用字符数组作函数参数编程实现在字符串每个字符间插入一个空格的功能. **输入提示信息:"Input a string:" **输入格式要求:&qu ...

  7. Qt程序打包发布方法(使用官方提供的windeployqt工具)

    Qt程序打包发布方法(使用官方提供的windeployqt工具) 转自:http://tieba.baidu.com/p/3730103947?qq-pf-to=pcqq.group Qt 官方开发环 ...

  8. 2021年即墨萃英中学高考成绩查询,2017即墨萃英中学青岛十九中录取分数线发布...

    2017即墨萃英中学青岛十九中录取分数线发布 2017即墨市中考录取分数线发布 优质高中电脑派位 643分 即墨一中  620分 即墨实验高中  628分 即墨萃英中学  620.5分 青岛十九中  ...

  9. Qt程序打包发布方法(使用官方提供的windeployqt工具) 转自:http://tieba.baidu.com/p/3730103947?qq-pf-to=pcqq.group Qt 官方

    Qt程序打包发布方法(使用官方提供的windeployqt工具) 转自:http://tieba.baidu.com/p/3730103947?qq-pf-to=pcqq.group Qt 官方开发环 ...

最新文章

  1. MySQL行(记录)的详细操作
  2. mybatis获取mysql源数据类型_spring集成mybatis实现mysql数据库读写分离
  3. 设计模式学习总结1 - 创建型1 - Abstract Factory抽象工厂模式
  4. linux下解压 cpio.gz格式文件
  5. Vue 页面权限控制(一)
  6. 解释stateless worker
  7. 【动态规划】P1018 线性dp:乘积最大
  8. 索爱确认2月13日发布Xperia Play
  9. 【开源GPS追踪】 之 服务器端opengts安装
  10. 如何利用情感词典做中文文本的情感分析?
  11. bilibili开源弹幕库UML类图
  12. Docker视频教程 之 熟悉docker-machine及docker常用命令 - 知识林
  13. css实现div半透明而文字不透明
  14. 惠新宸php教程_【转载】惠新宸:PHP在百度的应用现状及展望
  15. android 手机 投影,100吋1080p 看Android双核手机连投影
  16. 唯品会的服务化[转]
  17. 遇见你,用尽了我一生的幸运
  18. 数据结构考纲笔记概览
  19. XFTP连接服务器成功,传输文件失败解决方案
  20. 记 vue 移动端开发 中的经验

热门文章

  1. 【李宏毅2020 ML/DL】补充:Structured Learning: Introduction Structured Linear Model
  2. postgresql grant权限解释
  3. Tomcat Insufficient space for shared memory file
  4. inno setup 打包脚本学习
  5. 腾讯优测干货精选| 安卓开发新技能Get -常用必备小工具汇总
  6. 听飞狐聊JavaScript设计模式系列07
  7. python executemany_Python MySQLdb executemany
  8. src与href区别
  9. antd upload手动上传_基于MVVCTP5的文件上传
  10. Windows 7 建立 ×××网络