毒来毒往

OpenCV学习笔记（15）使用OpenGL显示双目视觉三维重构效果 (转)

转载自: http://blog.csdn.net/chenyusiyuan/article/details/5691481

留着以后学习

parameters image algorithm float object input

上一篇笔记中使用Matlab初步显示了双目视觉重构出的环境三维效果图，不过并没有加上纹理信息。在OpenCV中文论坛里，大象的帖子（http://www.opencv.org.cn/forum/viewtopic.php?f=1&t=8722&sid=02986dcffb5ebcedf299833e7cbf457c）给出了利用OpenGL显示视差数据的三维点云图，这是一个学习OpenGL和OpenCV混合编程的好帖子，里面的讨论跟帖也很有参考意义，我下面的代码也是参考这个帖子的，感谢大象和论坛上的朋友们。在大象的帖子中，所显示的三维点云是基于视差图来绘制的，视差越大，点云就越靠近摄像机的近面，但要显示环境的三维重构数据，则还需结合摄像机定标和双目校正（cvStereoRectify）获得的参数来计算出三维坐标（cvReprojectImageTo3D）；另一方面，要动态显示实时的三维重构数据，还需要用到一个 FreeGlut （http://freeglut.sourceforge.net/docs/api.php#WindowCallback）的函数库，因为原本的 glut 函数库的 glutMainLoop 在调用之后就不会返回、实现不了循环，而 FreeGlut 则有一个 glutMainLoopEvent 函数，每循环一次就会返回。下面结合着代码里分步讲述，主要参考来源包括：

[1] 大象帖子：http://www.opencv.org.cn/forum/viewtopic.php?f=1&t=8722&sid=02986dcffb5ebcedf299833e7cbf457c

[2] 李颖等. OpenGL函数与范例解析手册. 国防工业出版社, 2002年1月.

[3] Edward Angel 著. 段菲译. OpenGL编程基础（第3版）. 清华大学出版社, 2008年3月.

[4] Nehe 教程 Lesson 6：http://nehe.gamedev.net/data/lessons/lesson.asp?lesson=06

[5] 博客“守护地下铁”：http://hi.baidu.com/shirdrn/blog/item/047ed30f94bbbc2d6059f318.html

[6] FreeGlut 主页：http://freeglut.sourceforge.net/index.php#download

一、FreeGlut的安装

（1）在 VC 的安装目录（例如 D:/Microsoft Visual Studio 9.0/VC）新建一个文件夹 freeglut；

（2）将下载的 FreeGlut （freeglut 2.6.0‑3 for MSVC）解压后，把 include 和 lib 文件夹复制到文件夹 freeglut，把 freeglut.dll 复制到系统文件夹 system32；

（3）在 VS2008 的 Tools –> Options 的 VC++ Directories 中加入 freeglut 的 include 和 lib 路径；

（4）在项目 Properties 的 Link –> input 中加入 opengl32.lib glu32.lib freeglut.lib；


   
     
     
     
     
    
      
      
      
      
     
       
       
       
       
      [c-sharp] 
      view plain
      copy
      print
      ?
     
       
       
       
       
    
      
      
      
      
    
      
      
      
      
       
       
       
       #include "stdafx.h"  
       
       
       
       #include "MemLeakDetect.h"    // 内存泄漏检测工具，下载地址：http://www.codeproject.com/KB/cpp/MemLeakDetect.aspx  
       
       
       
        
       
       
       
       #include   
       
       
       
       #include   
       
       
       
       #include   
       
       
       
       #include   
       
       
       
       #include   
       
       
       
       #include   
       
       
       
       #include   
       
       
       
       #include   
       
       
       
       #include   
       
       
       
        
       
       
       
       #include   
       
       
       
       #include "cv.h"  
       
       
       
       #include "highgui.h"  
       
       
       
       #include "camerads.h"   
       
       
       
         
       
       
       
       using namespace std;  
       
       
       
       using namespace cv;  
       
       
       
         
       
       
       
       // Detect Memory Leaks or comment      
       
       
       
       #ifdef _DEBUG      
       
       
       
       CMemLeakDetect memLeakDetect;     
       
       
       
       #endif    
       
       
       
         
       
       
       
       enum { STEREO_BM=0, STEREO_SGBM=1 };  
       
       
       
       int alg = STEREO_BM;  
       
       
       
       int stereo_rectify = 1, adaptThresh = 1;      
       
       
       
       int SADWindowSize = 15, numberOfDisparities = 64, SADWS_alpha = 8, MaxDisp_beta = 4,  
       
       
       
           uniqRatio = 25, thresRatio = 60;  
       
       
       
       int saveFrames = 1;  
       
       
       
       bool fullDP = false;  
       
       
       
       double m_ObjectWidth[10] = {0.0};        // 目标宽度                       
       
       
       
       double m_ObjectHeight[10] = {0.0};    // 目标高度   
       
       
       
       double m_ObjectDisparity[10] = {0.0};        // 视差   
       
       
       
       double m_ObjectDistance[10] = {0.0};                    // 距离   
       
       
       
       char img1name[100], img2name[100], dispImgName[100], dispDataName[100];  
       
       
       
       //---OpenGL   
       
       
       
       float imgdata[500][500][3];    // 存放三维坐标数据   
       
       
       
       float texture[500][500][3]; // 存放纹理数据   
       
       
       
       int width=0, height=0, rx = 0, ry = 0;  
       
       
       
       int eyex = 115, eyez = 115, atx = 100, atz = 50;  
       
       
       
       float scalar=1;        //scalar of converting pixel color to float coordinates  
      
      
      
      
   
     
     
     
     #include "stdafx.h"
#include "MemLeakDetect.h"    // 内存泄漏检测工具，下载地址：http://www.codeproject.com/KB/cpp/MemLeakDetect.aspx

#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 

#include 
#include "cv.h"
#include "highgui.h"
#include "camerads.h"

using namespace std;
using namespace cv;

// Detect Memory Leaks or comment    
#ifdef _DEBUG   
CMemLeakDetect memLeakDetect;   
#endif 

enum { STEREO_BM=0, STEREO_SGBM=1 };
int alg = STEREO_BM;
int stereo_rectify = 1, adaptThresh = 1;    
int SADWindowSize = 15, numberOfDisparities = 64, SADWS_alpha = 8, MaxDisp_beta = 4,
    uniqRatio = 25, thresRatio = 60;
int saveFrames = 1;
bool fullDP = false;
double m_ObjectWidth[10] = {0.0};        // 目标宽度                    
double m_ObjectHeight[10] = {0.0};    // 目标高度
double m_ObjectDisparity[10] = {0.0};        // 视差
double m_ObjectDistance[10] = {0.0};                    // 距离
char img1name[100], img2name[100], dispImgName[100], dispDataName[100];
//---OpenGL
float imgdata[500][500][3];    // 存放三维坐标数据
float texture[500][500][3]; // 存放纹理数据
int width=0, height=0, rx = 0, ry = 0;
int eyex = 115, eyez = 115, atx = 100, atz = 50;
float scalar=1;        //scalar of converting pixel color to float coordinates

二、OpenGL 响应函数

在大象帖子的跟帖中，villager5 综合了一小段代码，随着鼠标移动，可以从多个视角观看生成的三维点云图，我在其基础上做了修改。为了与OpenCV循环同步，去掉了鼠标移动的响应函数（villager5 的代码里用了定时器），改为使用 OpenCV 的 TrackBar 来调整 OpenGL 函数 glLookAt 的视角。

另外，对于纹理映射，我暂时用一种简化的方式来实现，即直接把帧画面的纹理数据（RGB值）赋值到点云的颜色中 glColor3f ，这样的做法缺点是显示的三维点云是分块、不连续的，前方的点云块后面是黑色空洞。接下来会继续尝试按正常的纹理映射方法来实现，最终实现的效果应该是类似大象帖子中提到的 Structure From Motion 软件所实现的效果：

[cpp] view plain copy print ?

/************************************************************************/
/* OpenGL响应函数 */
/************************************************************************/
//
// 功能键（方向键）响应函数
void special(int key, int x, int y)
{
switch(key)
{
case GLUT_KEY_LEFT:
ry-=5;
glutPostRedisplay();
break;
case GLUT_KEY_RIGHT:
ry+=5;
glutPostRedisplay();
break;
case GLUT_KEY_UP:
rx+=5;
glutPostRedisplay();
break;
case GLUT_KEY_DOWN:
rx-=5;
glutPostRedisplay();
break;
}
}
//
// 三维图像显示响应函数
void renderScene(void) {
glClear (GL_COLOR_BUFFER_BIT);
glLoadIdentity();// Reset the coordinate system before modifying
gluLookAt (eyex-100, 0.0, eyez-100.0, atx-100.0, 0.0, atz-100.0, 0.0, 1.0, 0.0); // 根据滑动块位置变换OpenGL摄像机视角
glRotatef(ry, 0.0, 1.0, 0.0); //rotate about the z axis // 根据键盘方向键按键消息变换摄像机视角
glRotatef(rx-180, 1.0, 0.0, 0.0); //rotate about the y axis
float x,y,z;
glPointSize(1.0);
glBegin(GL_POINTS);//GL_POINTS
for (int i=0;i
for (int j=0;j
glColor3f(texture[i][j][0]/255, texture[i][j][1]/255, texture[i][j][2]/255); // 将图像纹理赋值到点云上
x=-imgdata[i][j][0]/scalar; // 添加负号以获得正确的左右上下方位
y=-imgdata[i][j][1]/scalar;
z=imgdata[i][j][2]/scalar;
glVertex3f(x,y,z);
}
}
glEnd();
glFlush();
}
//
// 窗口变化图像重构响应函数
void reshape (int w, int h) {
glViewport (0, 0, (GLsizei)w, (GLsizei)h);
glMatrixMode (GL_PROJECTION);
glLoadIdentity ();
gluPerspective (60, (GLfloat)w / (GLfloat)h, 1.0, 500.0); // 显示 1 - 500 距离单位（这里是 cm）内的点云
glMatrixMode (GL_MODELVIEW);
}
//
// 载入三维坐标数据
void load3dDataToGL(IplImage* img3d){
CvScalar s;
//accessing the image pixels
for (int i=0;i
for (int j=0;j
s=cvGet2D(img3d,i,j); // s.val[0] = x, s.val[1] = y, s.val[2] = z
imgdata[i][j][0] = s.val[0];
imgdata[i][j][1] = s.val[1];
imgdata[i][j][2] = fabs(s.val[2]);
}
}
}
//
// 载入左视图纹理数据
void loadTextureToGL(IplImage* img){
//int ind=0;
CvScalar ss;
//accessing the image pixels
for (int i=0;i
for (int j=0;j
//OpenCV 是默认 BGR 格式存储彩色图像
ss=cvGet2D(img,i,j); // ss.val[0] = blue, ss.val[1] = green, ss.val[2] = red
texture[i][j][2] = ss.val[0]; // OpenGL 则是 RGB 格式存储
texture[i][j][1] = ss.val[1];
texture[i][j][0] = ss.val[2];
}
}
}

/************************************************************************/ /* OpenGL响应函数 */ /************************************************************************/ // // 功能键（方向键）响应函数 void special(int key, int x, int y) { switch(key) { case GLUT_KEY_LEFT: ry-=5; glutPostRedisplay(); break; case GLUT_KEY_RIGHT: ry+=5; glutPostRedisplay(); break; case GLUT_KEY_UP: rx+=5; glutPostRedisplay(); break; case GLUT_KEY_DOWN: rx-=5; glutPostRedisplay(); break; } } // // 三维图像显示响应函数 void renderScene(void) { glClear (GL_COLOR_BUFFER_BIT); glLoadIdentity();// Reset the coordinate system before modifying gluLookAt (eyex-100, 0.0, eyez-100.0, atx-100.0, 0.0, atz-100.0, 0.0, 1.0, 0.0); // 根据滑动块位置变换OpenGL摄像机视角 glRotatef(ry, 0.0, 1.0, 0.0); //rotate about the z axis // 根据键盘方向键按键消息变换摄像机视角 glRotatef(rx-180, 1.0, 0.0, 0.0); //rotate about the y axis float x,y,z; glPointSize(1.0); glBegin(GL_POINTS);//GL_POINTS for (int i=0;i

三、通过视差计算三维坐标数据

这部分主要以 OpenCV2.1版的 stereo_match 例程为基础，该例程包括三种双目匹配算法：STEREO_BM, STEREO_SGBM, STEREO_HH，其中 STEREO_HH 其实是 STEREO_SGBM 算法的状态参数中使能了 fullDP 。


   
     
     
     
     
    
      
      
      
      
     
       
       
       
       
      [c-sharp] 
      view plain
      copy
      print
      ?
     
       
       
       
       
    
      
      
      
      
    
      
      
      
      
       
       
       
       /* SGBM 算法与原论文所提算法的差异 
       
       
       
        by default the algorithm is single-pass, i.e. instead of 8 directions we only consider 5. Set 
       
       
       
       fullDP=true to run the full variant of the algorithm (which could consume a lot of memory) 
       
       
       
        the algorithm matches blocks, not individual pixels (though, by setting SADWindowSize=1 
       
       
       
       the blocks are reduced to single pixels) 
       
       
       
        mutual information cost function is not implemented. Instead, we use a simpler Birchfield- 
       
       
       
       Tomasi sub-pixel metric from [22], though the color images are supported as well. 
       
       
       
        we include some pre- and post- processing steps from K. Konolige algorithm cv::, such as 
       
       
       
       pre-filtering (CV STEREO BM XSOBEL type) and post-filtering (uniqueness check, quadratic 
       
       
       
       interpolation and speckle filtering) 
       
       
       
       */  
      
      
      
      
   
     
     
     
     /* SGBM 算法与原论文所提算法的差异
 by default the algorithm is single-pass, i.e. instead of 8 directions we only consider 5. Set
fullDP=true to run the full variant of the algorithm (which could consume a lot of memory)
 the algorithm matches blocks, not individual pixels (though, by setting SADWindowSize=1
the blocks are reduced to single pixels)
 mutual information cost function is not implemented. Instead, we use a simpler Birchfield-
Tomasi sub-pixel metric from [22], though the color images are supported as well.
 we include some pre- and post- processing steps from K. Konolige algorithm cv::, such as
pre-filtering (CV STEREO BM XSOBEL type) and post-filtering (uniqueness check, quadratic
interpolation and speckle filtering)
*/

另外，该例程还对视差的计算做了改进，存储视差的矩阵首先按照设定的 numberOfDisparity 进行左侧边界延拓，计算得到视差后再截取出有效区域，这样无论 numberOfDisparity 怎样变化，我们都能够得到与帧画面视图相同大小的视差图，而不是像以前的例程那样 numberOfDisparity 越大，视差图左侧空白区域就越大。


   
     
     
     
     
    
      
      
      
      
     
       
       
       
       
      [cpp] 
      view plain
      copy
      print
      ?
     
       
       
       
       
    
      
      
      
      
    
      
      
      
      
       
       
       
       //   
       
       
       
       // 对左右视图的左边进行边界延拓，以获取与原始视图相同大小的有效视差区域   
       
       
       
       copyMakeBorder(img1r, img1b, 0, 0, numberOfDisparities, 0, IPL_BORDER_REPLICATE);  
       
       
       
       copyMakeBorder(img2r, img2b, 0, 0, numberOfDisparities, 0, IPL_BORDER_REPLICATE);  
       
       
       
         
       
       
       
       //   
       
       
       
       // 计算视差   
       
       
       
       if( alg == STEREO_BM )  
       
       
       
       {  
       
       
       
           bm(img1b, img2b, dispb);  
       
       
       
           // 截取与原始画面对应的视差区域（舍去加宽的部分）   
       
       
       
           displf = dispb.colRange(numberOfDisparities, img1b.cols);      
       
       
       
       }  
       
       
       
       else if(alg == STEREO_SGBM)  
       
       
       
       {  
       
       
       
           sgbm(img1b, img2b, dispb);  
       
       
       
           displf = dispb.colRange(numberOfDisparities, img1b.cols);  
       
       
       
       }      
      
      
      
      
   
     
     
     
             //
        // 对左右视图的左边进行边界延拓，以获取与原始视图相同大小的有效视差区域
        copyMakeBorder(img1r, img1b, 0, 0, numberOfDisparities, 0, IPL_BORDER_REPLICATE);
        copyMakeBorder(img2r, img2b, 0, 0, numberOfDisparities, 0, IPL_BORDER_REPLICATE);

        //
        // 计算视差
        if( alg == STEREO_BM )
        {
            bm(img1b, img2b, dispb);
            // 截取与原始画面对应的视差区域（舍去加宽的部分）
            displf = dispb.colRange(numberOfDisparities, img1b.cols);    
        }
        else if(alg == STEREO_SGBM)
        {
            sgbm(img1b, img2b, dispb);
            displf = dispb.colRange(numberOfDisparities, img1b.cols);
        }

但是有两点需要注意：

（1）numberOfDisparity 太大的话，可能会增加误匹配，因为搜索匹配点的范围扩大后，有可能得到多个匹配对；

（2）BMState 和 SGBMState 的 disp12MaxDiff 都要设置为 -1，使左右视图视差检测功能失效，才能保证顺利得到边界延拓后的视差图。否则在程序运行过程中，若增大 numberOfDisparity 后又减少其值，就会提示出错。在 OpenCV2.1.0/src/cv/cvstereobm.cpp 的 findStereoCorrespondenceBM 中，有：


   
     
     
     
     
    
      
      
      
      
     
       
       
       
       
      [cpp] 
      view plain
      copy
      print
      ?
     
       
       
       
       
    
      
      
      
      
    
      
      
      
      
       
       
       
       00715         int cols = left->cols, rows = left->rows;  
       
       
       
       00716         int _row0 = min(cvRound(range.begin() * rows / nstripes), rows);  
       
       
       
       00717         int _row1 = min(cvRound(range.end() * rows / nstripes), rows);  
       
       
       
       00718         uchar *ptr = state->slidingSumBuf->data.ptr + range.begin() * stripeBufSize;  
       
       
       
       00719         int FILTERED = (state->minDisparity - 1)*16;  
       
       
       
       00720           
       
       
       
       00721         Rect roi = validDisparityRect & Rect(0, _row0, cols, _row1);  
       
       
       
       00722         if( roi.height == 0 )  
       
       
       
       00723             return;  
       
       
       
       00724         int row0 = roi.y;  
       
       
       
       00725         int row1 = roi.y + roi.height;  
       
       
       
       ...  
       
       
       
       00741         Mat disp_i = disp->rowRange(row0, row1);  
       
       
       
       00742         Mat cost_i = state->disp12MaxDiff >= 0 ? Mat(state->cost).rowRange(row0, row1) : Mat();  
       
       
       
       ...  
       
       
       
       00751         if( state->disp12MaxDiff >= 0 )  
       
       
       
       00752             validateDisparity( disp_i, cost_i, state->minDisparity, state->numberOfDisparities, state->disp12MaxDiff );  
       
       
       
            
      
      
      
      
   
     
     
     
     00715         int cols = left->cols, rows = left->rows;
00716         int _row0 = min(cvRound(range.begin() * rows / nstripes), rows);
00717         int _row1 = min(cvRound(range.end() * rows / nstripes), rows);
00718         uchar *ptr = state->slidingSumBuf->data.ptr + range.begin() * stripeBufSize;
00719         int FILTERED = (state->minDisparity - 1)*16;
00720         
00721         Rect roi = validDisparityRect & Rect(0, _row0, cols, _row1);
00722         if( roi.height == 0 )
00723             return;
00724         int row0 = roi.y;
00725         int row1 = roi.y + roi.height;
...
00741         Mat disp_i = disp->rowRange(row0, row1);
00742         Mat cost_i = state->disp12MaxDiff >= 0 ? Mat(state->cost).rowRange(row0, row1) : Mat();
...
00751         if( state->disp12MaxDiff >= 0 )
00752             validateDisparity( disp_i, cost_i, state->minDisparity, state->numberOfDisparities, state->disp12MaxDiff );

这个 validateDisparity 函数是在 OpenCV2.1.0/src/cv/cvstereosgbm.cpp 中定义的，刚才说到的出错，源自以下代码的参数检查：


   
     
     
     
     
    
      
      
      
      
     
       
       
       
       
      [c-sharp] 
      view plain
      copy
      print
      ?
     
       
       
       
       
    
      
      
      
      
    
      
      
      
      
       
       
       
       00969     CV_Assert( numberOfDisparities > 0 && disp.type() == CV_16S &&  
       
       
       
       00970               (costType == CV_16S || costType == CV_32S) &&  
       
       
       
       00971               disp.size() == cost.size() );  
      
      
      
      
   
     
     
     
     00969     CV_Assert( numberOfDisparities > 0 && disp.type() == CV_16S &&
00970               (costType == CV_16S || costType == CV_32S) &&
00971               disp.size() == cost.size() );

增大 numberOfDisparity 时是正常的，满足 disp.size() == cost.size() ；但一旦减少 numberOfDisparity ，条件 disp.size() == cost.size() 就不能满足，从而提示出错。至于为什么不能满足该条件，我还没分析出来，调试经验不足，这个Assert错误需要在程序运行遇到减少 numberOfDisparity 的情况才会出错，不知道如何设置 breakpoint 使其只有 numberOfDisparity 减少时才生效。麻烦大家帮忙分析下啦 O(∩_∩)O~

在获取视差数据后，就可以利用 (cv)reprojectImageTo3D 来计算三维坐标数据，另外我还编写了一个子程序（DoDetectNearObj）用于检测离摄像头最近的物体：

[c-sharp] view plain copy print ?

//
// 双目匹配求解器状态初始化
bm.state->roi1 = roi1;
bm.state->roi2 = roi2;
bm.state->preFilterCap = 31;
bm.state->minDisparity = 0;
bm.state->textureThreshold = 10;
bm.state->speckleWindowSize = 100;
bm.state->speckleRange = 32;
bm.state->disp12MaxDiff = -1;
sgbm.preFilterCap = 63;
sgbm.minDisparity = 0;
sgbm.speckleWindowSize = bm.state->speckleWindowSize;
sgbm.speckleRange = bm.state->speckleRange;
sgbm.disp12MaxDiff = -1;
for(;;)
{
//
// 求解器动态参数调整
bm.state->SADWindowSize = SADWindowSize;
bm.state->numberOfDisparities = numberOfDisparities;
bm.state->uniquenessRatio = uniqRatio;
sgbm.SADWindowSize = SADWindowSize;
sgbm.P1 = 8*cn*sgbm.SADWindowSize*sgbm.SADWindowSize;
sgbm.P2 = 32*cn*sgbm.SADWindowSize*sgbm.SADWindowSize;
sgbm.numberOfDisparities = numberOfDisparities;
sgbm.uniquenessRatio = uniqRatio;
sgbm.fullDP = fullDP;
...
...
//
// 检测离摄像头最近的物体
img1Ipl = img1c;
img2Ipl = img2c;
cvZero(bi_img);
if (stereo_rectify)
{
reprojectImageTo3D(displf, img3d, Q, true);
DoDetectNearObj( &img1Ipl, &img2Ipl, bi_img, img3d, displf, disp8, f1 );
}
...
...
}

// // 双目匹配求解器状态初始化 bm.state->roi1 = roi1; bm.state->roi2 = roi2; bm.state->preFilterCap = 31; bm.state->minDisparity = 0; bm.state->textureThreshold = 10; bm.state->speckleWindowSize = 100; bm.state->speckleRange = 32; bm.state->disp12MaxDiff = -1; sgbm.preFilterCap = 63; sgbm.minDisparity = 0; sgbm.speckleWindowSize = bm.state->speckleWindowSize; sgbm.speckleRange = bm.state->speckleRange; sgbm.disp12MaxDiff = -1; for(;;) { // // 求解器动态参数调整 bm.state->SADWindowSize = SADWindowSize; bm.state->numberOfDisparities = numberOfDisparities; bm.state->uniquenessRatio = uniqRatio; sgbm.SADWindowSize = SADWindowSize; sgbm.P1 = 8*cn*sgbm.SADWindowSize*sgbm.SADWindowSize; sgbm.P2 = 32*cn*sgbm.SADWindowSize*sgbm.SADWindowSize; sgbm.numberOfDisparities = numberOfDisparities; sgbm.uniquenessRatio = uniqRatio; sgbm.fullDP = fullDP; ... ... // // 检测离摄像头最近的物体 img1Ipl = img1c; img2Ipl = img2c; cvZero(bi_img); if (stereo_rectify) { reprojectImageTo3D(displf, img3d, Q, true); DoDetectNearObj( &img1Ipl, &img2Ipl, bi_img, img3d, displf, disp8, f1 ); } ... ... }

四、利用 OpenGL 和 OpenCV 来显示双目视觉三维重构效果

这里建立了两个 OpenCV 窗口来显示左右视图和视差数据、以及调整双目匹配参数和OpenGL视角参数的 TrackBar ，还有一个 OpenGL 窗口来显示三维重构的点云：

[c-sharp] view plain copy print ?

//
// 创建显示窗口
//***OpenGL Window
glutInit(&argc, argv);
glutInitDisplayMode(GLUT_DEPTH | GLUT_SINGLE | GLUT_RGBA);
glutInitWindowPosition(10,390);
glutInitWindowSize(450,390);
glutCreateWindow("3D disparity image");
//***OpenCV Window
cvNamedWindow("Stereo");
cvMoveWindow("Stereo", 470, 5);
cvNamedWindow("Parameters Adjustment");
cvMoveWindow("Parameters Adjustment", 10, 5);
cvResizeWindow("Parameters Adjustment", 450, 350);
cvCreateTrackbar( "Ndisp=n*16", "Parameters Adjustment", &MaxDisp_beta, 15, onMaxdisp );
cvCreateTrackbar( "Win=n*2-1", "Parameters Adjustment", &SADWS_alpha, 11, onSADWinSiz );
cvCreateTrackbar( "UniqRatio", "Parameters Adjustment", &uniqRatio, 100, 0 );
cvCreateTrackbar( "Threshold", "Parameters Adjustment", &thresRatio, 100, 0 );
cvCreateTrackbar( "EyeX=n-100", "Parameters Adjustment", &eyex, 200, 0 );
cvCreateTrackbar( "EyeZ=n-100", "Parameters Adjustment", &eyez,200, 0 );
cvCreateTrackbar( "AtX=n-100", "Parameters Adjustment", &atx, 200, 0 );
cvCreateTrackbar( "AtZ=n-100", "Parameters Adjustment", &atz, 200, 0 );

// // 创建显示窗口 //***OpenGL Window glutInit(&argc, argv); glutInitDisplayMode(GLUT_DEPTH | GLUT_SINGLE | GLUT_RGBA); glutInitWindowPosition(10,390); glutInitWindowSize(450,390); glutCreateWindow("3D disparity image"); //***OpenCV Window cvNamedWindow("Stereo"); cvMoveWindow("Stereo", 470, 5); cvNamedWindow("Parameters Adjustment"); cvMoveWindow("Parameters Adjustment", 10, 5); cvResizeWindow("Parameters Adjustment", 450, 350); cvCreateTrackbar( "Ndisp=n*16", "Parameters Adjustment", &MaxDisp_beta, 15, onMaxdisp ); cvCreateTrackbar( "Win=n*2-1", "Parameters Adjustment", &SADWS_alpha, 11, onSADWinSiz ); cvCreateTrackbar( "UniqRatio", "Parameters Adjustment", &uniqRatio, 100, 0 ); cvCreateTrackbar( "Threshold", "Parameters Adjustment", &thresRatio, 100, 0 ); cvCreateTrackbar( "EyeX=n-100", "Parameters Adjustment", &eyex, 200, 0 ); cvCreateTrackbar( "EyeZ=n-100", "Parameters Adjustment", &eyez,200, 0 ); cvCreateTrackbar( "AtX=n-100", "Parameters Adjustment", &atx, 200, 0 ); cvCreateTrackbar( "AtZ=n-100", "Parameters Adjustment", &atz, 200, 0 );

OpenCV 窗口 “Stereo” 用于显示左右视图和视差数据，其中也包含了一些文字信息以显示所使用的算法和检测到的目标参数。


   
     
     
     
     
    
      
      
      
      
     
       
       
       
       
      [c-sharp] 
      view plain
      copy
      print
      ?
     
       
       
       
       
    
      
      
      
      
    
      
      
      
      
       
       
       
               //   
       
       
       
               // 转换为 CV_8U 格式，彩色显示   
       
       
       
               displf.convertTo(disp8, CV_8U, 255/(numberOfDisparities*16.));  
       
       
       
               CvMat disp8cv = disp8;  
       
       
       
               F_Gray2Color(&disp8cv, vdispRGB);  
       
       
       
               tmp_img1 = cvGetImage(vdispRGB, &tmp_img_hd1);  
       
       
       
         
       
       
       
               //   
       
       
       
               // 传送界面显示   
       
       
       
               cvShowMultiImages("Stereo", &img1Ipl, &img2Ipl, tmp_img1, bi_img);  
       
       
       
                 
       
       
       
                 
       
       
       
       /************************************************************************/  
       
       
       
       /*                                        cvShowMultiImages                                              */  
       
       
       
       /*                                    单窗口显示多幅图像的函数                                         */  
       
       
       
       /************************************************************************/  
       
       
       
       void cvShowMultiImages(char* title, IplImage* img1, IplImage* img2,   
       
       
       
                              IplImage* img3, IplImage* img4)   
       
       
       
       {  
       
       
       
         
       
       
       
           // DispImage - the image in which all the input images are to be copied   
       
       
       
           IplImage *DispImage, *img;  
       
       
       
           CvRect rect;  
       
       
       
         
       
       
       
           int ind;        // ind - the index of the image shown in the window   
       
       
       
           int x, y;    // x,y - the coordinate of top left coner of input images   
       
       
       
           int w, h;    // w,h - the width and height of the image   
       
       
       
             
       
       
       
           float scale;    // scale - How much we have to resize the image       
       
       
       
           int max;    // max - Max value of the width and height of the image       
       
       
       
         
       
       
       
           // r - Maximum number of images in a column    
       
       
       
           // c - Maximum number of images in a row    
       
       
       
           int r = 2, c = 2;  
       
       
       
           // size - the size of the images in the window   
       
       
       
           int size = 352;      
       
       
       
           // space - the spacing between images   
       
       
       
           int space = 30;      
       
       
       
         
       
       
       
           // Font Settings   
       
       
       
           CvFont titleFont, infoFont;  
       
       
       
           float fscale = 0.5f;  
       
       
       
           cvInitFont(&titleFont, CV_FONT_HERSHEY_TRIPLEX, fscale, fscale, 0, 1, 8);  
       
       
       
           cvInitFont(&infoFont, CV_FONT_HERSHEY_TRIPLEX, fscale, fscale, 0, 1, 8);  
       
       
       
         
       
       
       
           // titleStr - Title of each images   
       
       
       
           char *titleStr[] = {"Left Frame", "Right Frame", "Pseudo-color Disparity", "Threshold Disparity"};  
       
       
       
           // infoStr - Information of the detected object   
       
       
       
           char infoStr1[64], infoStr2[64];  
       
       
       
           sprintf( infoStr1, "Object Width = %6.2f cm, Object Height = %6.2f cm",   
       
       
       
               m_ObjectWidth[0], m_ObjectHeight[0] );  
       
       
       
           sprintf( infoStr2, "Object Distance = %6.2f cm, Object Disparity = %6.2f pixels",   
       
       
       
               m_ObjectDistance[0], m_ObjectDisparity[0] );  
       
       
       
           // rectifyStr -- Currently use stereo rectification or not   
       
       
       
           char* rectifyStr[] = { "-- Original Frame --", "-- Rectified Frame --" };  
       
       
       
           // algStr -- Current algorithm   
       
       
       
           char* algStr[] = {"STEREO_BM -- Left Broadened",   
       
       
       
               "STEREO_SGBM -- Left Broadened", "STEREO_SGBM_fullDP -- Left Broadened"};  
       
       
       
           // threshStr -- Current threshold method   
       
       
       
           char* threshStr[] = { "Fix Max Value (255)", "Adaptive Max Value" };  
       
       
       
         
       
       
       
           // Create a new 3 channel image to show all the input images   
       
       
       
           DispImage = cvCreateImage( cvSize(90 + size*r, 70 + size*c), IPL_DEPTH_8U, 3 );  
       
       
       
           cvZero(DispImage);  
       
       
       
         
       
       
       
           // Loop for nArgs number of arguments   
       
       
       
           for (ind = 0, x = space, y = space; ind < 4; ind++, x += (space + size)) {  
       
       
       
         
       
       
       
               // Get the Pointer to the IplImage   
       
       
       
               img = ind == 0 ? img1 :       
       
       
       
                   ind == 1 ? img2 :       
       
       
       
                   ind == 2 ? img3 :       
       
       
       
                   img4;  
       
       
       
         
       
       
       
               // Find the width and height of the image   
       
       
       
               w = img->width;  
       
       
       
               h = img->height;  
       
       
       
         
       
       
       
               // Find whether height or width is greater in order to resize the image   
       
       
       
               max = (w > h)? w: h;  
       
       
       
         
       
       
       
               // Find the scaling factor to resize the image   
       
       
       
               scale = (float) ( (float) max / size );  
       
       
       
               if(scale<1)        scale = 1;  
       
       
       
         
       
       
       
               // Used to Align the images   
       
       
       
               // i.e. Align the image to next row   
       
       
       
               if( ind % r == 0 && x!= space) {  
       
       
       
                   x  = space;  
       
       
       
                   y += space*2 + size;  
       
       
       
               }  
       
       
       
         
       
       
       
               // Set the image ROI to display the current image   
       
       
       
               rect = cvRect(x, y, (int)( w/scale ), (int)( h/scale ));  
       
       
       
               cvSetImageROI(DispImage, rect);  
       
       
       
         
       
       
       
               // Resize the input image and copy the it to the Single Big Image   
       
       
       
               cvResize(img, DispImage);  
       
       
       
         
       
       
       
               // Reset the ROI in order to display the next image   
       
       
       
               cvResetImageROI(DispImage);  
       
       
       
         
       
       
       
               // Add a green rectangle at the border of the image   
       
       
       
               cvRectangleR(DispImage, rect, cvScalar(0, 255, 0), 2);  
       
       
       
               // Add image title   
       
       
       
               cvPutText(DispImage, titleStr[ind], cvPoint( x + 10, y - 10), &titleFont, CV_RGB(0,255,0));  
       
       
       
           }  
       
       
       
           // Add object information   
       
       
       
           cvPutText(DispImage, infoStr1, cvPoint( 50, 360), &infoFont, CV_RGB(255,0,0) );  
       
       
       
           cvPutText(DispImage, infoStr2, cvPoint( 50, 390), &infoFont, CV_RGB(255,0,0) );  
       
       
       
           // Add algorithm information   
       
       
       
           cvPutText(DispImage, rectifyStr[stereo_rectify], cvPoint( 180, 20), &infoFont, CV_RGB(255,0,0) );  
       
       
       
           int p = alg;  
       
       
       
           if(fullDP) p += 1;  
       
       
       
           cvPutText(DispImage, algStr[p], cvPoint( 50, 750), &infoFont, CV_RGB(255,0,0) );  
       
       
       
           // Add broaden information   
       
       
       
           cvPutText(DispImage, threshStr[adaptThresh], cvPoint( 430, 750), &infoFont, CV_RGB(255,0,0) );  
       
       
       
         
       
       
       
           // Create a new window, and show the Single Big Image   
       
       
       
           //cvNamedWindow( title, 1 );   
       
       
       
           cvShowImage( title, DispImage);  
       
       
       
         
       
       
       
           // Release the Image Memory   
       
       
       
           cvReleaseImage(&DispImage);  
       
       
       
       }  
      
      
      
      
   
     
     
     
             //
        // 转换为 CV_8U 格式，彩色显示
        displf.convertTo(disp8, CV_8U, 255/(numberOfDisparities*16.));
        CvMat disp8cv = disp8;
        F_Gray2Color(&disp8cv, vdispRGB);
        tmp_img1 = cvGetImage(vdispRGB, &tmp_img_hd1);

        //
        // 传送界面显示
        cvShowMultiImages("Stereo", &img1Ipl, &img2Ipl, tmp_img1, bi_img);
        
        
/************************************************************************/
/*                                        cvShowMultiImages                                              */
/*                                    单窗口显示多幅图像的函数                                         */
/************************************************************************/
void cvShowMultiImages(char* title, IplImage* img1, IplImage* img2, 
                       IplImage* img3, IplImage* img4) 
{

    // DispImage - the image in which all the input images are to be copied
    IplImage *DispImage, *img;
    CvRect rect;

    int ind;        // ind - the index of the image shown in the window
    int x, y;    // x,y - the coordinate of top left coner of input images
    int w, h;    // w,h - the width and height of the image
    
    float scale;    // scale - How much we have to resize the image    
    int max;    // max - Max value of the width and height of the image    

    // r - Maximum number of images in a column 
    // c - Maximum number of images in a row 
    int r = 2, c = 2;
    // size - the size of the images in the window
    int size = 352;    
    // space - the spacing between images
    int space = 30;    

    // Font Settings
    CvFont titleFont, infoFont;
    float fscale = 0.5f;
    cvInitFont(&titleFont, CV_FONT_HERSHEY_TRIPLEX, fscale, fscale, 0, 1, 8);
    cvInitFont(&infoFont, CV_FONT_HERSHEY_TRIPLEX, fscale, fscale, 0, 1, 8);

    // titleStr - Title of each images
    char *titleStr[] = {"Left Frame", "Right Frame", "Pseudo-color Disparity", "Threshold Disparity"};
    // infoStr - Information of the detected object
    char infoStr1[64], infoStr2[64];
    sprintf( infoStr1, "Object Width = %6.2f cm, Object Height = %6.2f cm", 
        m_ObjectWidth[0], m_ObjectHeight[0] );
    sprintf( infoStr2, "Object Distance = %6.2f cm, Object Disparity = %6.2f pixels", 
        m_ObjectDistance[0], m_ObjectDisparity[0] );
    // rectifyStr -- Currently use stereo rectification or not
    char* rectifyStr[] = { "-- Original Frame --", "-- Rectified Frame --" };
    // algStr -- Current algorithm
    char* algStr[] = {"STEREO_BM -- Left Broadened", 
        "STEREO_SGBM -- Left Broadened", "STEREO_SGBM_fullDP -- Left Broadened"};
    // threshStr -- Current threshold method
    char* threshStr[] = { "Fix Max Value (255)", "Adaptive Max Value" };

    // Create a new 3 channel image to show all the input images
    DispImage = cvCreateImage( cvSize(90 + size*r, 70 + size*c), IPL_DEPTH_8U, 3 );
    cvZero(DispImage);

    // Loop for nArgs number of arguments
    for (ind = 0, x = space, y = space; ind < 4; ind++, x += (space + size)) {

        // Get the Pointer to the IplImage
        img = ind == 0 ? img1 :     
            ind == 1 ? img2 :     
            ind == 2 ? img3 :     
            img4;

        // Find the width and height of the image
        w = img->width;
        h = img->height;

        // Find whether height or width is greater in order to resize the image
        max = (w > h)? w: h;

        // Find the scaling factor to resize the image
        scale = (float) ( (float) max / size );
        if(scale<1)        scale = 1;

        // Used to Align the images
        // i.e. Align the image to next row
        if( ind % r == 0 && x!= space) {
            x  = space;
            y += space*2 + size;
        }

        // Set the image ROI to display the current image
        rect = cvRect(x, y, (int)( w/scale ), (int)( h/scale ));
        cvSetImageROI(DispImage, rect);

        // Resize the input image and copy the it to the Single Big Image
        cvResize(img, DispImage);

        // Reset the ROI in order to display the next image
        cvResetImageROI(DispImage);

        // Add a green rectangle at the border of the image
        cvRectangleR(DispImage, rect, cvScalar(0, 255, 0), 2);
        // Add image title
        cvPutText(DispImage, titleStr[ind], cvPoint( x + 10, y - 10), &titleFont, CV_RGB(0,255,0));
    }
    // Add object information
    cvPutText(DispImage, infoStr1, cvPoint( 50, 360), &infoFont, CV_RGB(255,0,0) );
    cvPutText(DispImage, infoStr2, cvPoint( 50, 390), &infoFont, CV_RGB(255,0,0) );
    // Add algorithm information
    cvPutText(DispImage, rectifyStr[stereo_rectify], cvPoint( 180, 20), &infoFont, CV_RGB(255,0,0) );
    int p = alg;
    if(fullDP) p += 1;
    cvPutText(DispImage, algStr[p], cvPoint( 50, 750), &infoFont, CV_RGB(255,0,0) );
    // Add broaden information
    cvPutText(DispImage, threshStr[adaptThresh], cvPoint( 430, 750), &infoFont, CV_RGB(255,0,0) );

    // Create a new window, and show the Single Big Image
    //cvNamedWindow( title, 1 );
    cvShowImage( title, DispImage);

    // Release the Image Memory
    cvReleaseImage(&DispImage);
}

这里使用 FreeGlut 来显示 OpenGL 图像，有两点需要注意：

（1）在图像绘制的所有操作之后，要加入 glutPostRedisplay() 来重绘图像，否则在循环中图像只有响应鼠标或键盘消息时才会更新图像；

（2）由于大部分的按键和鼠标操作都来自 OpenCV 窗口，所以显示OpenGL图像的 glutMainLoopEvent() 函数应该放在 OpenCV 的 cvWaitKey 之后，否则 glutMainLoopEvent() 会影响 OpenCV 对按键、鼠标事件的响应。


   
     
     
     
     
    
      
      
      
      
     
       
       
       
       
      [c-sharp] 
      view plain
      copy
      print
      ?
     
       
       
       
       
    
      
      
      
      
    
      
      
      
      
       
       
       
       //   
       
       
       
       // OpenGL显示   
       
       
       
       img3dIpl = img3d;  
       
       
       
       load3dDataToGL(&img3dIpl);            // 载入三维坐标数据   
       
       
       
       loadTextureToGL(&img1roi);        // 载入纹理数据   
       
       
       
       glutReshapeFunc (reshape);            // 窗口变化时重构图像   
       
       
       
       glutDisplayFunc(renderScene);        // 显示三维图像   
       
       
       
       glutSpecialFunc(special);                // 响应方向键按键消息   
       
       
       
       glutPostRedisplay();                        // 刷新画面（不用此语句则不能动态更新图像）   
       
       
       
         
       
       
       
       //   
       
       
       
       // 按键消息响应   
       
       
       
       int c = cvWaitKey(10);  
       
       
       
       if( (char) c == 27 )  
       
       
       
           break;  
       
       
       
       switch( (char) c )  
       
       
       
       {  
       
       
       
       case 'b':  
       
       
       
           alg = STEREO_BM;  
       
       
       
           SADWindowSize = 15;  
       
       
       
           cvSetTrackbarPos("Win=n*2-1", "Parameters Adjustment", 8);  
       
       
       
           break;  
       
       
       
       case 's':  
       
       
       
           alg = STEREO_SGBM;  
       
       
       
           SADWindowSize = 7;  
       
       
       
           cvSetTrackbarPos("Win=n*2-1", "Parameters Adjustment", 4);  
       
       
       
           break;  
       
       
       
       case 'f':  
       
       
       
           if (alg == STEREO_SGBM)  
       
       
       
               fullDP ^= 1;  
       
       
       
           break;  
       
       
       
       case 'r':  
       
       
       
           stereo_rectify ^= 1;  
       
       
       
           break;  
       
       
       
       case 'a':  
       
       
       
           adaptThresh ^= 1;  
       
       
       
           break;  
       
       
       
       case 'p':  
       
       
       
           sprintf_s(img1name, "C://Stereo IO Data//lfFrame_%02d.jpg", saveFrames);  
       
       
       
           sprintf_s(img2name, "C://Stereo IO Data//riFrame_%02d.jpg", saveFrames);  
       
       
       
           sprintf_s(dispImgName, "C://Stereo IO Data//disparity_%02d.jpg", saveFrames);  
       
       
       
           sprintf_s(dispDataName, "C://Stereo IO Data//disparity_%02d.txt", saveFrames);  
       
       
       
           imwrite(img1name, img1r);  
       
       
       
           imwrite(img2name, img2r);  
       
       
       
           cvSaveImage(dispImgName, vdispRGB);      
       
       
       
           saveDisp(dispDataName, displf);  
       
       
       
           cout << "Save " << saveFrames*2 << " frames and " << saveFrames << " disparity image" << endl;  
       
       
       
           cout << endl;  
       
       
       
           saveFrames ++;  
       
       
       
           break;  
       
       
       
       default:  
       
       
       
           ;  
       
       
       
       }  
       
       
       
       // OpenCV 处理键盘响应消息后，再显示 OpenGL 图像   
       
       
       
       glutMainLoopEvent();  
      
      
      
      
   
     
     
     
             //
        // OpenGL显示
        img3dIpl = img3d;
        load3dDataToGL(&img3dIpl);            // 载入三维坐标数据
        loadTextureToGL(&img1roi);        // 载入纹理数据
        glutReshapeFunc (reshape);            // 窗口变化时重构图像
        glutDisplayFunc(renderScene);        // 显示三维图像
        glutSpecialFunc(special);                // 响应方向键按键消息
        glutPostRedisplay();                        // 刷新画面（不用此语句则不能动态更新图像）

        //
        // 按键消息响应
        int c = cvWaitKey(10);
        if( (char) c == 27 )
            break;
        switch( (char) c )
        {
        case 'b':
            alg = STEREO_BM;
            SADWindowSize = 15;
            cvSetTrackbarPos("Win=n*2-1", "Parameters Adjustment", 8);
            break;
        case 's':
            alg = STEREO_SGBM;
            SADWindowSize = 7;
            cvSetTrackbarPos("Win=n*2-1", "Parameters Adjustment", 4);
            break;
        case 'f':
            if (alg == STEREO_SGBM)
                fullDP ^= 1;
            break;
        case 'r':
            stereo_rectify ^= 1;
            break;
        case 'a':
            adaptThresh ^= 1;
            break;
        case 'p':
            sprintf_s(img1name, "C://Stereo IO Data//lfFrame_%02d.jpg", saveFrames);
            sprintf_s(img2name, "C://Stereo IO Data//riFrame_%02d.jpg", saveFrames);
            sprintf_s(dispImgName, "C://Stereo IO Data//disparity_%02d.jpg", saveFrames);
            sprintf_s(dispDataName, "C://Stereo IO Data//disparity_%02d.txt", saveFrames);
            imwrite(img1name, img1r);
            imwrite(img2name, img2r);
            cvSaveImage(dispImgName, vdispRGB);    
            saveDisp(dispDataName, displf);
            cout << "Save " << saveFrames*2 << " frames and " << saveFrames << " disparity image" << endl;
            cout << endl;
            saveFrames ++;
            break;
        default:
            ;
        }
        // OpenCV 处理键盘响应消息后，再显示 OpenGL 图像
        glutMainLoopEvent();

OK，本文到此就暂告一段落了，由于很多自己编写的功能函数还处于调试阶段，并且是属于实验室项目，就暂时不把所有代码发布出来了，以后会陆续把修改后的代码、以及有关摄像机标定、双目校正与匹配等方面的原理，以笔记的方式写到博客上和大家交流讨论。谢谢关注！

P.S. 有关双目视觉原理，推荐一个很好的博客，下面三篇文章和后面的跟帖讨论都很有参考意义，大家不要错过：

[1] 关于OpenCV立体匹配算法的一个试验以及请教

（http://www.opencv.org.cn/forum/viewtopic.php?f=1&t=9301）

[2] 分享一些OpenCV实现立体视觉的经验

（http://blog.csdn.net/scyscyao/archive/2010/04/02/5443341.aspx）

（http://www.opencv.org.cn/forum/viewtopic.php?f=1&t=9771）

[1] 双摄像头测距的OpenCV实现

（http://blog.csdn.net/scyscyao/archive/2010/05/06/5562024.aspx）

你可能感兴趣的:(OpenCV,OpenGL)

Linux下QT开发的动态库界面弹出操作（SDL2） 13jjyao QT类 qt 开发语言 sdl2 linux
需求：操作系统为linux，开发框架为qt，做成需带界面的qt动态库，调用方为java等非qt程序难点：调用方为java等非qt程序，也就是说调用方肯定不带QApplication::exec()，缺少了这个，QTimer等事件和QT创建的窗口将不能弹出(包括opencv也是不能弹出)；这与qt调用本身qt库是有本质的区别的思路：1.调用方缺QApplication::exec()，那么我们在接口
tiff批量转png 诺有缸的高飞鸟 opencv 图像处理 python opencv 图像处理
目录写在前面代码完写在前面1、本文内容tiff批量转png2、平台/环境opencv,python3、转载请注明出处：https://blog.csdn.net/qq_41102371/article/details/132975023代码importnumpyasnpimportcv2importosdeffindAllFile(base):file_list=[]forroot,ds,fsin
遥感影像的切片处理 sand&wich 计算机视觉 python 图像处理
在遥感影像分析中，经常需要将大尺寸的影像切分成小片段，以便于进行详细的分析和处理。这种方法特别适用于机器学习和图像处理任务，如对象检测、图像分类等。以下是如何使用Python和OpenCV库来实现这一过程，同时确保每个影像片段保留正确的地理信息。准备环境首先，确保安装了必要的Python库，包括numpy、opencv-python和xml.etree.ElementTree。这些库将用于图像处理
windows下python opencv ffmpeg读取摄像头实现rtsp推流拉流图像处理大大大大大牛啊 opencv实战代码讲解视觉图像项目 windows python opencv
windows下pythonopencvffmpeg读取摄像头实现rtsp推流拉流整体流程1.下载所需文件1.1下载rtsp推流服务器1.2下载ffmpeg2.开启RTSP服务器3.opencv读取摄像头并调用ffmpeg进行推流4.opencv进行拉流5.opencv异步拉流整体流程1.下载所需文件1.1下载rtsp推流服务器下载RTSP服务器下载页面https://github.com/blu
c++ opencv4.3 sift匹配图像处理大大大大大牛啊图像处理 opencv实战代码讲解 opencv sift c++opencv4 特征点
c++opencv4.3sift匹配main.cppintmain(){vectorkeypoints1,keypoints2;Matimg1,img2,descriptors1,descriptors2;intnumF
ubuntu安装opencv最快的方法 Derek重名了
最快方法，当然不能太多文字$sudoapt-getinstallpython-opencv借助python就可以把ubuntu的opencv环境搞起来，非常快非常容易参考：https://docs.opencv.org/trunk/d2/de6/tutorial_py_setup_in_ubuntu.html
使用Python和Playwright破解滑动验证码 asfdsgdf python 开发语言
滑动验证码是一种常见的验证码形式，通过拖动滑块将缺失的拼图块对准原图中的空缺位置来验证用户操作。本文将介绍如何使用Python中的OpenCV进行模板匹配，并结合Playwright实现自动化破解滑动验证码的过程。所需技术OpenCV模板匹配：用于识别滑块在背景图中的正确位置。Python：主要编程语言。Playwright：用于浏览器自动化，模拟用户操作。破解过程概述获取验证码图像：下载背景图和
OpenCV图像处理技术（Python）——入门森屿_ opencv
©FuXianjun.AllRightsReserved.OpenCV入门图像作为人类感知世界的视觉基础，是人类获取信息、表达信息的重要手段，OpenCV作为一个开源的计算机视觉库，它包括几百个易用的图像成像和视觉函数，既可以用于学术研究，也可用于工业邻域，它于1999年由因特尔的GaryBradski启动，OpenCV库主要由C和C++语言编写，它可以在多个操作系统上运行。1.1图像处理基本操作
opencv学习：图像旋转的两种方法，旋转后的图片进行模板匹配代码实现夜清寒风学习 opencv 机器学习人工智能计算机视觉
图像旋转在图像处理中，rotate和rot90是两种常见的图像旋转方法，它们在功能和使用上有一些区别。下面我将分别介绍这两种方法，并解释它们的主要区别rot90方法rot90方法是NumPy提供的一种数组旋转函数，它主要用于对二维数组（如图像）进行90度的旋转。这个方法比较简单，只支持90度的倍数旋转，不支持任意角度旋转。使用NumPy进行旋转使用NumPy的rot90函数对模板图像进行旋转操作。
Python OpenCV图像处理：从基础到高级的全方位指南极客代码玩转Python 开发语言 python opencv 图像处理计算机视觉
目录第一部分：PythonOpenCV图像处理基础1.1OpenCV简介1.2PythonOpenCV安装1.3实战案例：图像显示与保存1.4注意事项第二部分：PythonOpenCV图像处理高级技巧2.1图像变换2.2图像增强2.3图像复原第三部分：PythonOpenCV图像处理实战项目3.1图像滤波3.2图像分割3.3图像特征提取第四部分：PythonOpenCV图像处理注意事项与优化策略4
MacOS Catalina 从源码构建Qt6.2开发库之01: 编译Qt6.2源代码捕鲸叉 QT macos c++QT
安装xcode，cmake，ninjabrewinstallnodemac下安装OpenGL库并使之对各项目可见在macOS上安装OpenGL通常涉及到安装一些依赖库，如MGL、GLUT或者是GLEW等，同时确保LLVM的OpenGL框架和相关工具链的兼容性。以下是一个基本的安装步骤，你可以在终端中执行：安装Homebrew（如果还没有安装的话）：/bin/bash-c"$(curl-fsSLht
python图像匹配_opencvpython中的图像匹配 weixin_39585675 python图像匹配
我一直在做一个项目，用opencvpython识别相机中显示的标志。我已经尝试过使用surf、颜色直方图匹配和模板匹配。但在这3个问题中，它并不总是返回正确的答案。我现在想要的是，解决我这个问题的最好办法是什么。模板图像示例：以下是摄像头中显示的标志示例。如果这是我想要识别的图像，该怎么用？在更新matchTemplate中的代码flags=["Cambodia.jpg","Laos.jpg","
利用Python+OpenCV实现截图匹配图像，支持自适应缩放、灰度匹配、区域匹配、匹配多个结果 xu-jssy Python自动化脚本 python opencv 开发语言图像处理自动化
可以直接通过pip获取，无需手动安装其他依赖pipinstallxug示例：importxugxug.find_image_on_screen(,,,)=========================================================================一、依赖安装pipinstallopencv-pythonpipinstallpyautogui二、获
opencv 学习 1 木木ainiks opencv 计算机视觉 python
opencv学习的第一天#coding:utf-8importcv2ascv#首先读图片src=cv.imread(“img/1.jpg”)#设置图片的名字cv.namedWindow(“1”,cv.WINDOW_AUTOSIZE)#显示图片第一个参数设置图片名，第二个参数图片的地址cv.imshow(“1”,src)cv.waitKey(0)#将图片写入固定位置cv.imwrite(“img/2
OpenCV结构分析与形状描述符（24）检测两个旋转矩形之间是否相交的一个函数rotatedRectangleIntersection()的使用 jndingxin OpenCV opencv 人工智能计算机视觉
操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述测两个旋转矩形之间是否存在交集。如果存在交集，则还返回交集区域的顶点。下面是一些交集配置的例子。斜线图案表示交集区域，红色顶点是由函数返回的。rotatedRectangleIntersection()这个函数看起来像是用于检测两个旋转矩形之间是否相交的一个方法。
python-opencv cv2.findContours()函数 fjswcjswzy opencv python笔记 python opencv
示例代码：image,contours,hierarchy=cv2.findContours(contour,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)输入：contour：带有轮廓信息的图像；cv2.RETR_TREE：提取轮廓后，输出轮廓信息的组织形式，除了cv2.RETR_TREE还有以下几种选项：cv2.RETR_EXTERNAL：输出轮廓中只有外侧轮廓信
【Python】【Opencv】cv2.findContours()、cv2.drawContours()和cv2.contourArea()函数详解和运行示例木彳 Python学习和使用过程积累 python opencv 开发语言人工智能计算机视觉
为帮助大家理解和使用cv2.findContours()、cv2.drawContours()和cv2.contourArea()函数，本文通过对函数内容进行详解，并通过运行示例更直观表述。函数解析cv2.findContours()cv2.drawContours()cv2.contourArea()运行示例运行示例示例详解函数解析cv2.findContours()cv2.findContou
OpenGL之基础纹理一我的大好时光
先看下效果图：纹理效果图.pngDemo下载地址：点击下载一、像素图像的数据包装图像存储空间=图像width*图像height*每个像素的字节数ps：有一张RGB的图像（每个颜色通道8位），图像的宽度199个像素，每行需要存储多少空间？解：8位为一个字节，有三个颜色，所以一个RGB需要3个字节存储。199（width）*1（height）*3(字节)二、像素的存储方式/**@parampname:
python如何判断NoneTpye #如花 opencv 人工智能计算机视觉 python
python如何判断NoneTpye最近用python-opencv解析多个视频文件，解析到第一个视频的最后一帧，出现了NoneTpye报错为了让循环继续，需要判断解析出来的图片是否为NoneType。试了几种方法#第一种方法img==None当img为空时，表达式为True。但是当img解析出了图片时，返回的是一个array，大小和img一致。正确写法imgisNone用isNone判断None
Android SurfaceTexture和GLSurfaceView做Camera预览小小攻城师 Android SurfaceTexture GLSurfaceView SurfaceTexture openG openGL
GLSurfaceView是OpenGL中的一个类，也是可以预览Camera的，而且在预览Camera上有其独到之处。独到之处在哪？当使用Surfaceview无能为力、痛不欲生时就只有使用GLSurfaceView了，它能够真正做到让Camera的数据和显示分离，所以搞明白了这个，像Camera只开预览不显示这都是小菜，妥妥的。Android4.0的自带Camera源码是用SurfaceView
三点or多点的变换矩阵求解opencv & eigen 合工大机器人实验室 C++矩阵 opencv 线性代数
《Estimating3-DRigidBodyTransformations:AComparisonofFourMajorAlgorithms》，它使用SVD方法计算T和t。只要算出变换矩阵，就可以算出A坐标系的一个点P在坐标系B里的对应点坐标，即R为3x3的转换矩阵，t为3x1的位移变换向量，这里点坐标均为3x1的列向量（非齐次形式，齐次形式下为4x1列向量，多出的一个元素值补1而已）。理论上只
逆radon变换matlab,Radon变换及其Matlab代码实现少年商学院逆radon变换matlab
Radon变换和Hough变换类似，最初是用于检测图像中的直线(例如笔直的街道边沿、房屋的边沿、笔直的电线等)。关于Hough变换，可以参考OpenCV中的代码和示例(其实除了HoughLines还有HoughCircles等等变种)，此处不再赘述。关于Radon变换，可以参考wiki或者百科，或者网络上的其他资料介绍。这里做一个简单的总结。首先准备一张灰度化的图像，及黑白图像，然后检测图像的边缘
ubuntu opencv 安装科学的发展-只不过是读大自然写的代码 opencv基础 ubuntu opencv linux
1.ubuntuopencv安装在Ubuntu系统中安装OpenCV，可以通过多种方式进行，以下是一种常用的安装方法，包括从源代码编译安装。请注意，安装步骤可能会因OpenCV的版本和Ubuntu系统的具体版本而略有不同。一、安装准备更新系统（确保你的Ubuntu系统是最新的）：sudoaptupdatesudoaptupgrade安装必要的依赖项：sudoaptinstallbuild-esse
结合YOLOv8和OpenCV WeChat QRCode打造一款二维码识别器搜狐技术产品小编2023 YOLO opencv 微信人工智能计算机视觉
本文字数：3876字预计阅读时间：25分钟01引言二维码（QRCode）在现代生活中有广泛应用，从支付系统到信息传递，它们无处不在。本文提出了一种如何识别二维码的方法，主要贡献在于优化处理分辨率较高的图像时，由于二维码在整张图片中占据的比例较小，传统的OpenCVWeChatQRCode的识别方法表现不佳的问题。下面描述详细的优化过程。02OpenCVWeChatQRCodeWeChatQRCod
OpenCV高阶操作富士达幸运星 opencv 人工智能计算机视觉
在图像处理与计算机视觉领域，OpenCV（OpenSourceComputerVisionLibrary）无疑是最为强大且广泛使用的工具之一。从基础的图像读取、1.图片的上下，采样下采样（Downsampling）下采样通常用于减小图像的尺寸，从而减少图像中的像素数。这个过程可以通过多种方法实现，但最常见的是通过图像金字塔中的pyrDown函数（在OpenCV中）或其他类似的滤波器（如平均池化、最
Vue + Django的人脸识别系统 DXSsssss python DRF tensorflow 人脸识别
最近在研究机器学习，刚好最近看了vue+Djangodrf的一些课程，学以致用，做了一个人脸识别系统。项目前端使用Vue框架，用到了elementui组件，写起来真是方便。比之前传统的dtl方便了太多。后端使用了drf，识别知识刚开始打算使用opencv+tensorflow,但是发现吧识别以后的结果返回到浏览器当中时使用opencv比较麻烦（主要是我太菜，想不到比较好的方法），因此最终使用了tf
Django+Vue基于OpenCV的人脸识别系统的设计与实现赵广陆 project django vue.js opencv
目录1项目介绍2项目截图3核心代码3.1需要的环境3.2Django接口层3.3实体类3.4config.ini3.5启动类3.5Vue4数据库表设计5文档参考6计算机毕设选题推荐7源码获取1项目介绍博主个人介绍：CSDN认证博客专家，CSDN平台Java领域优质创作者，全网30w+粉丝，超300w访问量，专注于大学生项目实战开发、讲解和答疑辅导，对于专业性数据证明一切！主要项目：javaweb、
opencv 之实战项目识别银行卡上的数字 SEVEN-YEARS opencv 计算机视觉人工智能
OpenCV之实战项目：识别银行卡上的数字引言在日常生活中，银行卡的识别是一个常见的需求，特别是在金融领域。本实战项目旨在使用OpenCV库来识别银行卡上的数字。我们将通过模板匹配的方法，结合图像处理技术，来准确识别银行卡上的数字序列。项目准备本项目需要安装Python和OpenCV库。确保已经安装了必要的库，并准备好银行卡图像和数字模板图像。实验素材定义函数importcv2defsort_co
Python OpenCV精讲系列 - 高级图像处理技术（五）极客代码 Python OpenCV精讲 python opencv 图像处理开发语言人工智能计算机视觉
⚡️⚡️专栏：PythonOpenCV精讲⚡️⚡️本专栏聚焦于Python结合OpenCV库进行计算机视觉开发的专业教程。通过系统化的课程设计，从基础概念入手，逐步深入到图像处理、特征检测、物体识别等多个领域。适合希望在计算机视觉方向上建立坚实基础的技术人员及研究者。每一课不仅包含理论讲解，更有实战代码示例，助力读者快速将所学应用于实际项目中，提升解决复杂视觉问题的能力。无论是入门者还是寻求技能进
基于OpenCV和ROS节点的智能家居服务机器人设计流程极客小张 opencv 智能家居机器人物联网人工智能计算机视觉单片机
一、项目概述1.1项目目标和用途智能家居助手项目旨在开发一款高效、智能的服务机器人，能够在家庭环境中执行多种任务，如送餐、清洁和监控。该机器人将通过自主导航、任务调度和环境感知能力，提升家庭生活的便利性和安全性。项目的最终目标是为用户提供一个智能、可靠的家居助手，改善用户的生活质量。1.2技术栈关键词硬件：激光雷达（LiDAR）或超声波传感器（用于避障和地图构建）摄像头（用于视觉识别和监控）IMU
LeetCode[Math] - #66 Plus One Cwind java LeetCode 题解 Algorithm Math
原题链接：#66 Plus One 要求：给定一个用数字数组表示的非负整数，如num1 = {1, 2, 3, 9}, num2 = {9, 9}等，给这个数加上1。注意： 1. 数字的较高位存在数组的头上，即num1表示数字1239 2. 每一位（数组中的每个元素）的取值范围为0~9 难度：简单分析：题目比较简单，只须从数组
JQuery中$.ajax()方法参数详解 AILIKES JavaScript jsonp jquery Ajax json
url: 要求为String类型的参数，（默认为当前页地址）发送请求的地址。 type: 要求为String类型的参数，请求方式（post或get）默认为get。注意其他http请求方法，例如put和 delete也可以使用，但仅部分浏览器支持。 timeout: 要求为Number类型的参数，设置请求超时时间（毫秒）。此设置将覆盖$.ajaxSetup()方法的全局
JConsole & JVisualVM远程监视Webphere服务器JVM Kai_Ge JVisualVM JConsole Webphere
JConsole是JDK里自带的一个工具，可以监测Java程序运行时所有对象的申请、释放等动作，将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。　　使用JConsole工具来分析WAS的JVM问题，需要进行相关的配置。　　首先我们看WAS服务器端的配置. 　　1、登录was控制台https://10.4.119.18
自定义annotation 120153216 annotation
Java annotation 自定义注释@interface的用法一、什么是注释说起注释，得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说，元数据是描述数据的。就象数据表中的字段一样，每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据，也就是说注释是描述java源
CentOS 5/6.X 使用 EPEL YUM源 2002wmj centos
CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
在SQLSERVER中查找缺失和无用的索引SQL 357029540 SQL Server
--缺失的索引 SELECT avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement , last_user_seek ,
Spring3 MVC 笔记（二） —json+rest优化 7454103 Spring3 MVC
接上次的 spring mvc 注解的一些详细信息！其实也是一些个人的学习笔记呵呵！
替换“\”的时候报错Unexpected internal error near index 1 \ ^ adminjun java “\替换”
发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘... 在拆分字符串时遇到通过 \ 来拆分，可是用所以想通过转义 \\ 来拆分的时候会报异常 public class Main { /*
POJ 1035 Spell checker(哈希表) aijuans 暴力求解--哈希表
/* 题意：输入字典，然后输入单词，判断字典中是否出现过该单词，或者是否进行删除、添加、替换操作，如果是，则输出对应的字典中的单词要求按照输入时候的排名输出题解：建立两个哈希表。一个存储字典和输入字典中单词的排名，一个进行最后输出的判重 */ #include <iostream> //#define using namespace std; const int HASH =
通过原型实现javascript Array的去重、最大值和最小值 ayaoxinchao JavaScript array prototype
用原型函数（prototype）可以定义一些很方便的自定义函数，实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。实现代码如下： <script type="text/javascript"> Array.prototype.unique = function() { var a = {}; var le
UIWebView实现https双向认证请求 bewithme UIWebView https Objective-C
什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求中有讲述，不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求，网上有些文章中有涉及到此内容，但都只言片语，没有讲完全，更没有完整的代码，让人困扰不已。但是此知
NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存) bijian1013 redis 数据库 NoSQL
3.事务处理 Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行，而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时，这个连接会进入一个事务上下文，该连接后续的命令不会立即执行，而是先放到一个队列中，当执行exec命令时，redis会顺序的执行队列中
各数据库分页sql备忘 bingyingao oracle sql 分页
ORACLE 下面这个效率很低 SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20; 下面这个效率很高 SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
【Scala七】Scala核心一：函数 bit1129 scala
1. 如果函数体只有一行代码，则可以不用写{},比如 def print(x: Int) = println(x) 一行上的多条语句用分号隔开，则只有第一句属于方法体，例如 def printWithValue(x: Int) : String= println(x); "ABC" 上面的代码报错，因为，printWithValue的方法
了解GHC的factorial编译过程 bookjovi haskell
GHC相对其他主流语言的编译器或解释器还是比较复杂的，一部分原因是haskell本身的设计就不易于实现compiler，如lazy特性，static typed，类型推导等。关于GHC的内部实现有篇文章说的挺好，这里，文中在RTS一节中详细说了haskell的concurrent实现，里面提到了green thread，如果熟悉Go语言的话就会发现，ghc的concurrent实现和Go有点类
Java-Collections Framework学习与总结-LinkedHashMap BrokenDreams LinkedHashMap
前面总结了java.util.HashMap，了解了其内部由散列表实现，每个桶内是一个单向链表。那有没有双向链表的实现呢？双向链表的实现会具备什么特性呢？来看一下HashMap的一个子类——java.util.LinkedHashMap。
读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory bylijinnan abstract
声明：本文只为方便我个人查阅和理解，详细的分析以及源代码请移步原作者的博客http://chjavach.iteye.com/ package design.pattern; /* * Abstract Factory Pattern * 抽象工厂模式的目的是： * 通过在抽象工厂里面定义一组产品接口，方便地切换“产品簇” * 这些接口是相关或者相依赖的
压暗面部高光 cherishLC PS
方法一、压暗高光&重新着色当皮肤很油又使用闪光灯时，很容易在面部形成高光区域。下面讲一下我今天处理高光区域的心得：皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道（Lab模式的L通道）决定，色彩则由a、b通道确定。处理思路为在保持高光区域纹理的情况下，对高光区域着色。具体步骤为：降低高光区域的整体的亮度，再进行着色。如果想简化步骤，可以只进行着色（参看下面的步骤1
Java VisualVM监控远程JVM crabdave visualvm
Java VisualVM监控远程JVM JDK1.6开始自带的VisualVM就是不错的监控工具. 这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面通过JMX连接远程机器, 需要经过下面的配置: 1. 修改远程机器JDK配置文件 (我这里远程机器是linux).
Saiku去掉登录模块 daizj saiku 登录 olap BI
1、修改applicationContext-saiku-webapp.xml <security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" /> <security:intercept-url pattern=&qu
浅析 Flex中的Focus dsjt html Flex Flash
关键字：focus、 setFocus、 IFocusManager、KeyboardEvent 焦点、设置焦点、获得焦点、键盘事件一、无焦点的困扰——组件监听不到键盘事件原因：只有获得焦点的组件（确切说是InteractiveObject）才能监听到键盘事件的目标阶段；键盘事件（flash.events.KeyboardEvent）参与冒泡阶段，所以焦点组件的父项（以及它爸
Yii全局函数使用 dcj3sjt126com yii
由于YII致力于完美的整合第三方库，它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如，Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数，使得代码看起来更加简洁易用。(原文地址) 我们可以保存在globals.php在protected目录下。然后，在入口脚本index.php的，我们包括在
设计模式之单例模式二（解决无序写入的问题） come_for_dream 单例模式 volatile 乱序执行双重检验锁
在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题，但是因为由于JVM为了使得处理器内部的运算单元能充分利用，处理器可能会对输入代码进行乱序执行（Out Of Order Execute）优化，处理器会在计算之后将乱序执行的结果进行重组，保证该
程序员从初级到高级的蜕变 gcq511120594 框架工作 PHP android html5
软件开发是一个奇怪的行业，市场远远供不应求。这是一个已经存在多年的问题，而且随着时间的流逝，愈演愈烈。我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题，当然这些方法常常不管用，于是，唯一能做的就是不断地尝试，逐个看看是否奏效”。现在我们把淫浸代码时间超过3年的开发人员称为
Reverse Linked List hcx2013 list
Reverse a singly linked list. /** * Definition for singly-linked list. * public class ListNode { * int val; * ListNode next; * ListNode(int x) { val = x; } * } */ p
Spring4.1新特性——数据库集成测试 jinnianshilongnian spring 4.1
目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
C# Ajax上传图片同时生成微缩图(附Demo) liyonghui160com
1.Ajax无刷新上传图片,详情请阅我的这篇文章。（jquery + c# ashx） 2.C#位图处理 System.Drawing。 3.最新demo支持IE7,IE8,Fir
Java list三种遍历方法性能比较 pda158 java
从c/c++语言转向java开发，学习java语言list遍历的三种方法，顺便测试各种遍历方法的性能，测试方法为在ArrayList中插入1千万条记录，然后遍历ArrayList，发现了一个奇怪的现象，测试代码例如以下： package com.hisense.tiger.list; import java.util.ArrayList; import java.util.Iterator;
300个涵盖IT各方面的免费资源（上）——商业与市场篇 shoothao seo 商业与市场 IT资源免费资源
A.网站模板+logo+服务器主机+发票生成 HTML5 UP:响应式的HTML5和CSS3网站模板。 Bootswatch:免费的Bootstrap主题。 Templated:收集了845个免费的CSS和HTML5网站模板。 Wordpress.org|Wordpress.com:可免费创建你的新网站。 Strikingly:关注领域中免费无限的移动优
localStorage、sessionStorage uule localStorage
W3School 例子 HTML5 提供了两种在客户端存储数据的新方法： localStorage - 没有时间限制的数据存储 sessionStorage - 针对一个 session 的数据存储之前，这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储，因为它们由每个对服务器的请求来传递，这使得 cookie 速度很慢而且效率也不