OpenCV嵌入式图像处理（四）第一个OpenCV程序

在装完了OpenCV和CUDA之后很自然的事情就是先跑个程序看看库函数是否安装完毕。对于在Windows下习惯用Visual Studio的同志们来说，可能很多人还不知道可以不用IDE编程（至少我当年转Linux的时候就在想，用记事本写程序，那工程文件去哪了。。。），所有在这里首先介绍如何使用跨平台的IDE Qt 来编写第一个opencv程序，这可以帮助大家快速上手在linux上使用OpenCV。当然Qt也有它的缺点，在以后的文章中，再和大家讨论如何用单纯的.cpp, .h文件和Makefile来构建程序。

1. 安装Qt

Qt相对于Eclipse来说更接近于Windows用户熟悉的界面，不需要配置太繁琐的插架就可以进行编译和调试。安装Qt有各种各样的方法，由于笔者主要使用的是图像处理库函数中的API，不需要使用太多Qt本身的API，所以只需要安装Qt4即可。

1.1 Qt的命令安装方法

首先安装Qt工具箱

sudo apt-get install qt4-dev-tools #开发包sudo apt-get install qtcreator #IDEsudo apt-get install qt4-qtconfig #配置工具 
1
2
3
1
2
3

其次可以选择安装说明文档和Demo，鉴于这两个体积都比较大，国内Ubuntu源的速度又不好，不需要的小伙伴可以选择跳过。

sudo apt-get install qt4-doc #开发帮助文档 sudo apt-get install qt4-demos #DEMO源码　
1
2
1
2

1.2 应用商店安装方法 
　 
　相比于命令行安装方法，应用商店的安装更加直观方便，这里只需要安装Qt Creator即可。 
　

2. 配置工程文件

2.1 新建工程 
作为嵌入式平台，我们不需要编写类似于UI的用户界面，所以这里选择Qt 控制台项目。

2.2 配置qmake和编译器

 

在这里按照路径选择好编译器、qmake以及调试器。如果都选择正确了，qt前面的红色感叹号会消失。

3. 运行OpenCV程序

3.1 在.pro（类似于工程文件）的最后添加如下代码：

INCLUDEPATH += /usr/local/include \                /usr/local/include/opencv \                /usr/local/include/opencv2LIBS += /usr/local/lib/libopencv_highgui.so \        /usr/local/lib/libopencv_core.so    \        /usr/local/lib/libopencv_imgproc.so
1
2
3
4
5
6
7
1
2
3
4
5
6
7

INCLUDEPATH表示包含目录，LIBS表示库目录。因为只做测试用，所以库目录只添加了highgui、core和imgproc三个模块，如需要其他功能，请按照实际情况添加模块。

3.2 将main.cpp文件替换为以下代码：

#include <QCoreApplication>#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>using namespace cv;int main(int argc, char *argv[]){//    QCoreApplication a(argc, argv);    namedWindow( "src", WINDOW_AUTOSIZE );    Mat src1 = imread( "lena.jpg" );//图片储存路径    while(1)    {        imshow( "src", src1 );        char c =  waitKey(30);        if( 27==c )            return 0;    }//    return a.exec();}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

3.3 点击左下角第一个绿色的按钮运行 

如果没有问题的话，会显示出你所指定的图片。

万事开头难，运行成功第一个OpenCV程序之后，你就可以把之前在Windows上运行过的程序移植过来看看效果。他的编程方式和在Windows上 并没有太大区别，只是效率会低很多。后续我将为大家呈现如何使用OpenCV的GPU模块以及NVIDIA的VisionWorks为图像处理加速。