C++椭圆检测论文复现 Ubuntu 22.04+Vscode+opencv3.4

news2024/10/1 19:28:32

复现的代码

本博客旨在复现论文《An Efficient High-quality Ellipse Detection》,该文章本来只有Matlab的代码实现,后来被islands翻译成了c++ 库,大家可以参考islands发在知乎上的文章高质量椭圆检测库,C++的代码链接。

 使用环境

Ubuntu 22.04

lsb_release -a

Distributor ID:	Ubuntu
Description:	Ubuntu 22.04.4 LTS
Release:	22.04
Codename:	jammy

Cmake 3.22.1

cmake -version

cmake version 3.22.1

C++ 11.4.0

g++ -v

gcc version 11.4.0 (Ubuntu 11.4.0-1ubuntu1~22.04) 

Opencv   3.4.9

pkg-config --modversion opencv

3.4.9

安装C++编译器

 查看自己的C++编译器版本

cmake --version

cmake version 3.22.1

如果没有安装cmake,那么可以使用指令自行安装

sudo apt-get install cmake
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg.dev libtiff4.dev libswscale-dev libjasper-dev

安装opencv

 通过官网,使用代码安装opencv https://github.com/opencv/opencv/releases

我选择了opencv3.4.9,选择最后的Source.code(tar.gz)进行下载。

下载完毕后放入合适的路径,进行解压。

之后创建release文件夹,并进行编译

mkdir release
cd release
cmake ..
sudo make
sudo make install 

验证opencv是否安装成功

#include <iostream>
#include <opencv2/opencv.hpp>
 
int main() {
    std::cout << "OpenCV version: " << CV_VERSION << std::endl;
    return 0;
}

卸载opencv

sudo make uninstall
cd ..
sudo rm -r build

安装Lapack

确定已安装gfortran

sudo apt-get install gfortran

源码安装Lapack,下载并解压

进行编译

cd lapack-3.9.1
mkdir build
cd build
cmake ..
make -j7
sudo make install
sudo ldconfig
cd ..
sudo cp LAPACKE/include/*.h /usr/local/include/

Ellipse detectieon C++库

完成基础环境的配置之后我们就可以去编译Ellipse detection了。参考库中的Readme进行安装。

git clone https://github.com/memory-overflow/standard-ellipse-detection.git
cd standard-ellipse-detection
mkdir build && cd build
cmake ..
make
sudo make install

出错‘cv::Mat’ to non-scalar type

!亲测:使用opencv3.3.0不会报错,因此使用opencv3.3.0时不需要修改代码。

如果你和我一样,那么可能会在camek时出现如下错误。

 from ‘cv::Mat’ to non-scalar type ‘CvMat’ requested

根据错误的位置定位到,源代码位置: standard-ellipse-detection/src/cvcannyapi.cpp的307行,我们将之前的代码进行修改,修改后代码如下。参考博文

  CvMat c_src = cvMat(src), c_dst = cvMat(_edges.getMat());
  CvMat c_dx = cvMat(_sobel_x.getMat());
  CvMat c_dy = cvMat(_sobel_y.getMat());

配置.vscode

c_cpp_properties.json

Ctrl+Shift+P -> C/C++:Edit Configurations(UI),生成c_cpp_properties.json文件

IntelliSense mode选择  linux-gcc-x64,

在Include path中添加opencv的path,具体c_cpp_properties.json文件如下。

{
    "configurations": [
        {
            "name": "Linux",
            "includePath": [
                "${default}",
                "/usr/local/include/opencv",
                "/usr/local/include/opencv2"
            ],
            "defines": [],
            "compilerPath": "/usr/bin/gcc",
            "cStandard": "c17",
            "cppStandard": "gnu++17",
            "intelliSenseMode": "linux-gcc-x64"
        }
    ],
    "version": 4
}
tasks.json

Ctrl+Shift+P -> Tasks: Configure Tasks,选择编译器,生成tasks.json文件。

在tasks.json中加入opencv库,Lapack库,以及刚刚安装的ellipse_detection库,tasks.json的示例如下,主要逐一args中的参数。"-lellipse_detection","`pkg-config","--libs","--cflags","opencv`","-llapacke","-llapack","-lblas","-lgfortran"。

"-lellipse_detection",

{
    "tasks": [
        {
            "type": "cppbuild",
            "label": "C/C++: g++ build active file",
            "command": "/usr/bin/g++",
            "args": [
                "-fdiagnostics-color=always",
                "-g",
                "${file}",
                "-o",
                "${fileDirname}/${fileBasenameNoExtension}",
                "-lellipse_detection",
				"`pkg-config","--libs","--cflags","opencv`",
				"-llapacke",
				"-llapack",
				"-lblas",
				"-lgfortran"
            ],
            "options": {
                "cwd": "${fileDirname}"
            },
            "problemMatcher": [
                "$gcc"
            ],
            "group": {
                "kind": "build",
                "isDefault": true
            },
            "detail": "Task generated by Debugger."
        }
    ],
    "version": "2.0.0"
}

测试

我们使用作者提供的测试代码进行测试,代码位置在standard-ellipse-detection/test,我们对testdetect.cpp进行编译。如果顺利的话,那么就可以编译成功了。之后调用testdetect应用程序就可以看到椭圆检测以及之后的图了。

./testdetect "/path/to/image"

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1505535.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

java SSM流浪宠物救助与领养myeclipse开发mysql数据库springMVC模式java编程计算机网页设计

一、源码特点 java SSM流浪宠物救助与领养管理系统是一套完善的web设计系统&#xff08;系统采用SSM框架进行设计开发&#xff0c;springspringMVCmybatis&#xff09;&#xff0c;对理解JSP java编程开发语言有帮助&#xff0c;系统具有完整的源代码和数据库&#xff0c;系…

Linux内存管理--系列文章壹

一、引子 作者、我在上班闲着没事的时候&#xff0c;看了一些关于Linux内存管理和程序装载、链接的文章&#xff0c;然后自己就总结出了一些东西。 本系列文章一方面将资料中的长篇大论总结到最少、以方便可以直接找到答案&#xff0c;一方面也是方便面试的时候可以吹牛逼。 L…

从 Language Model 到 Chat Application:对话接口的设计与实现

作者&#xff1a;网隐 RTP-LLM 是阿里巴巴大模型预测团队开发的大模型推理加速引擎&#xff0c;作为一个高性能的大模型推理解决方案&#xff0c;它已被广泛应用于阿里内部。本文从对话接口的设计出发&#xff0c;介绍了业界常见方案&#xff0c;并分享了 RTP-LLM 团队在此场景…

Spring-AOP基础(全在这里)

八股文部分来源于网络&#xff0c;例子为原创 OOP(Object-oriented programming) 也就是面向对象编程&#xff0c;继承&#xff0c;封装&#xff0c;多态。 局限性 静态语言&#xff1a;类结构一旦定义&#xff0c;不容易被修改(并不是无法修改)。只能侵入性扩展&#xff1a…

C语言 --- 指针(5)

目录 一.sizeof和strlen对比 1.sizeof 2.strlen 3.strlen 和sizeof的对比 二.数组和指针笔试题目详解 回顾&#xff1a;数组名的理解 1.一维数组 2.字符数组 代码1&#xff1a; 代码2&#xff1a; 代码3&#xff1a; 代码4&#xff1a; 代码5&#xff1a; 代码6&am…

《JAVA与模式》之门面模式

系列文章目录 文章目录 系列文章目录前言一、医院的例子二、门面模式的结构三、门面模式的实现四、门面模式的优点五、门面模式在Tomcat中的使用前言 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站,这篇文章男女通用,…

【论文阅读】OpsEval

粗糙翻译&#xff0c;如有兴趣请看原文&#xff0c;链接&#xff1a;https://arxiv.org/abs/2310.07637 摘要 信息技术&#xff08;IT&#xff09;运营&#xff08;Ops&#xff09;&#xff0c;特别是用于IT运营的人工智能&#xff08;AlOps&#xff09;&#xff0c;是保持现…

改进沙猫群优化的BP神经网络ISCSO-BP(时序预测)的Matlab实现

改进沙猫群优化的BP神经网络&#xff08;ISCSO-BP&#xff09;是一种结合了改进的沙猫群优化算法&#xff08;Improved Sand Cat Swarm Optimization, ISCSO&#xff09;和反向传播&#xff08;Back Propagation, BP&#xff09;神经网络的模型&#xff0c;旨在提高时序预测的准…

LLM 推理优化探微 (2) :Transformer 模型 KV 缓存技术详解

编者按&#xff1a;随着 LLM 赋能越来越多需要实时决策和响应的应用场景&#xff0c;以及用户体验不佳、成本过高、资源受限等问题的出现&#xff0c;大模型高效推理已成为一个重要的研究课题。为此&#xff0c;Baihai IDP 推出 Pierre Lienhart 的系列文章&#xff0c;从多个维…

王道机试C++第 5 章 数据结构一:向量vector和蓝桥杯13年两个程序 Day31

5.1 向量 有限个类型相同的变量的线性集合&#xff0c;组成数组的各个变量称为数组的元素。给每个元素分配唯一的一个下标&#xff0c;就能用这个下标指代该元素。还可通过下标直接访问数组中的任何一个元素&#xff0c;并且这些访问能在常数时间内完成。 1&#xff0e;STL-v…

算法练习:同向双指针(滑动窗口)

目录 1. 长度最小的数组2. 无重复字符的最长字符串3. 最大连续1的个数4. 将x减到0的最小操作数5. 水果成篮6. 找到字符串中所有字母异位词7. 串联所有单词的子串8. 最小覆盖子串 1. 长度最小的数组 题目信息&#xff1a; 题目链接&#xff1a; 长度最小的数组思路&#xff1a; …

观察主线程退出对子线程的影响

✨主进程以pthread_exit(0)方式退出——线程退出 ✨子线程pthread_cancel方式杀死父线程 ✨主线程以return&#xff0c;exit(0)方式退出——进程退出  &#x1f531;return   &#x1f531;return在主函数   &#x1f536;return在子函数  &#x1f536;exit(0)   &…

数据结构——堆的应用 Topk问题

&#x1f49e;&#x1f49e; 前言 hello hello~ &#xff0c;这里是大耳朵土土垚~&#x1f496;&#x1f496; &#xff0c;欢迎大家点赞&#x1f973;&#x1f973;关注&#x1f4a5;&#x1f4a5;收藏&#x1f339;&#x1f339;&#x1f339; &#x1f4a5;个人主页&#x…

谷歌开源的LLM大模型 Gemma 简介

相关链接&#xff1a; Hugging face模型下载地址&#xff1a;https://huggingface.co/google/gemma-7bGithub地址&#xff1a;https://github.com/google/gemma_pytorch论文地址&#xff1a;https://storage.googleapis.com/deepmind-media/gemma/gemma-report.pdf官方博客&…

多址接入技术 ---FDMA、TDMA、CDMA

1、多址接入技术 所谓多址技术就是把同一个无线信道按照时间、 频率等进行分割, 使不同的用户都能够在不同的分割段中使用这一信道, 而又不会明显地感觉到他人的存在, 就好像自己在专用这一信道一样。 占用不同的分割段就像是拥有了不同的地址, 使用同一信道的多个用户就…

Vue.js过滤器:让数据展示更灵活

&#x1f90d; 前端开发工程师、技术日更博主、已过CET6 &#x1f368; 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1 &#x1f560; 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》 &#x1f35a; 蓝桥云课签约作者、上架课程《Vue.js 和 E…

Unity的相机跟随和第三人称视角二

Unity的相机跟随和第三人称视角二 展示介绍第二种相机模式远离代码总结 展示 我录的视频上可能看不太出来&#xff0c;但是其实今天的这个方法比原来写的那个方法更简便并且死角更少一些。 这里我也做了两个人物偏移的视角&#xff0c;按Q是原来的两个相机模式切换&#xff0c…

问题 | 程序员求职宝典

程序员的金三银四求职宝典 随着春天的脚步渐近,对于许多程序员来说,一年中最繁忙、最重要的面试季节也随之而来。金三银四,即三月和四月,被广大程序员视为求职的黄金时期。在这两个月里,各大公司纷纷开放招聘,求职者们则通过一轮又一轮的面试,力争心仪的职位。而如何在…

从零学习Linux操作系统 第三十二部分 Ansible中的变量及加密

一、变量的基本设定及使用方式 变量命名&#xff08;与shell相同&#xff09;&#xff1a; 只能包含数字&#xff0c;下划线&#xff0c;字母 只能用下划线或字母开头 .变量级别&#xff1a; 全局从命令行或配置文件中设定的paly:在play和相关结构中设定的主机:由清单&…

NeRF模型NeRF模型

参考视频&#xff1a;https://www.youtube.com/watch?vHfJpQCBTqZs&ab_channelVision%26GraphicsSeminaratMIT NeRF模型的输入输出: 输入: (x, y, z): 一个三维空间坐标,代表场景中的一个位置点(θ, φ): 视线方向,θ表示与y轴的夹角,φ表示与x轴的夹角,用两个角度可以…