Opencv的安装使用 和 灰度化和二值化的主要实现

看网上方法很多，但版本都不够新，我看了网上一些知识，总结了下，来个最新版Xcode6.1的.

最近主要想做iOS端的车牌识别，所以开始了解OpenCV。有兴趣的可以跟我交流下哈。

 

一.Opencv的使用：

下载  链接】opencv/opencv

       https://github.com/opencv/opencv/releases/tag/3.2.0

　　步骤：

　　1.从官网下载iOS版本的Opencv2.framework。

　　2.拖进工程，选择copy items if needed

　　3.进入building settings，设置Framework SearchPath:

　　　　　设置成$(PROJECT_DIR)/Newtest，这个Newtest是你的项目名，主要是为了定位到你存放的Opencv2.framework所在位置。

　　4.使用Opencv的方式：第（1）种全局pch：（不推荐）新建pch文件，修改成：

　　　　　　　　　　　　　　#ifdef __cplusplus

　　　　　　　　　　　　　　#import <opencv2/opencv.hpp>

　　　　　　　　　　　　　　#endif

　　　　　　　　　　　　　　  并在building setting里的 Incease Sharing of Precompiled Headers项目处：

　　　　　　　　　　　　　　 设置成$(PROJECT_DIR)/Newtest，同理，这个Newtest是你的项目名，主要是为了定位到你存放的PCH文件所在位置。

　　　　　　　　　　　　　　PCH文件以前建工程默认生成，是全局性质的import。Xcode6不再自动生成。苹果引导开发者在某个类要用时才用。

　　　　　　　　　　　　　第（2）种：在需要的地方#import <opencv2/opencv.hpp>

　　　　　　　　　　　　　　　 这里的重点是：使用opencv的类名一定要改成.mm！！

　　　　　　　　　　　             比如你专门写了各一个处理图片的类，Imageprocess。可以在.h里加入。

 

二：灰度化和二值化的主要实现过程：

　　其实过程就是这样：

　　UIImage（iOS图像类）-> cv::Mat（OpenCV图像类） -> Opencv灰度或二值处理函数 -> UIImage

 

三：Opencv类Imageprocess代码参考：

Imageprocess.h

////  Imageprocess.h//  Chepaishibie////  Created by shen on 15/1/28.//  Copyright (c) 2015年 shen. All rights reserved.//#import <Foundation/Foundation.h>#import <opencv2/opencv.hpp>#import <UIKit/UIKit.h>@interface Imageprocess : UIViewController- (cv::Mat)cvMatFromUIImage:(UIImage *)image;- (UIImage *)UIImageFromCVMat:(cv::Mat)cvMat;- (IplImage *)CreateIplImageFromUIImage:(UIImage *)image;- (UIImage *)UIImageFromIplImage:(IplImage *)image;- (UIImage *)Grayimage:(UIImage *)srcimage;- (UIImage *)Erzhiimage:(UIImage *)srcimage;int  Otsu(unsigned char* pGrayImg , int iWidth , int iHeight);@end

Imageprocess.mm 里面包含了很多函数：

主要是 UIImage->cv::Mat ，cv::Mat->UIImage，UIImage->IplImage，IplImage->UIImage， 灰度化，二值化等，还有个OSTU计算阈值的方法。

////  Imageprocess.mm//  Chepaishibie////  Created by shen on 15/1/28.//  Copyright (c) 2015年 shen. All rights reserved.//#import "Imageprocess.h"@implementation Imageprocess#pragma mark - opencv method// UIImage to cvMat- (cv::Mat)cvMatFromUIImage:(UIImage *)image{    CGColorSpaceRef colorSpace = CGImageGetColorSpace(image.CGImage);    CGFloat cols = image.size.width;    CGFloat rows = image.size.height;        cv::Mat cvMat(rows, cols, CV_8UC4); // 8 bits per component, 4 channels        CGContextRef contextRef = CGBitmapContextCreate(cvMat.data,                 // Pointer to  data                                                    cols,                       // Width of bitmap                                                    rows,                       // Height of bitmap                                                    8,                          // Bits per component                                                    cvMat.step[0],              // Bytes per row                                                    colorSpace,                 // Colorspace                                                    kCGImageAlphaNoneSkipLast |                                                    kCGBitmapByteOrderDefault); // Bitmap info flags        CGContextDrawImage(contextRef, CGRectMake(0, 0, cols, rows), image.CGImage);    CGContextRelease(contextRef);    CGColorSpaceRelease(colorSpace);        return cvMat;}// CvMat to UIImage-(UIImage *)UIImageFromCVMat:(cv::Mat)cvMat{    NSData *data = [NSData dataWithBytes:cvMat.data length:cvMat.elemSize()*cvMat.total()];    CGColorSpaceRef colorSpace;        if (cvMat.elemSize() == 1) {        colorSpace = CGColorSpaceCreateDeviceGray();    } else {        colorSpace = CGColorSpaceCreateDeviceRGB();    }        CGDataProviderRef provider = CGDataProviderCreateWithCFData((__bridge CFDataRef)data);        // Creating CGImage from cv::Mat    CGImageRef imageRef = CGImageCreate(cvMat.cols,                                 //width                                        cvMat.rows,                                 //height                                        8,                                          //bits per component                                        8 * cvMat.elemSize(),                       //bits per pixel                                        cvMat.step[0],                            //bytesPerRow                                        colorSpace,                                 //colorspace                                        kCGImageAlphaNone|kCGBitmapByteOrderDefault,// bitmap info                                        provider,                                   //CGDataProviderRef                                        NULL,                                       //decode                                        false,                                      //should interpolate                                        kCGRenderingIntentDefault                   //intent                                        );            // Getting UIImage from CGImage    UIImage *finalImage = [UIImage imageWithCGImage:imageRef];    CGImageRelease(imageRef);    CGDataProviderRelease(provider);    CGColorSpaceRelease(colorSpace);        return finalImage;}//由于OpenCV主要针对的是计算机视觉方面的处理，因此在函数库中，最重要的结构体是IplImage结构。// NOTE you SHOULD cvReleaseImage() for the return value when end of the code.- (IplImage *)CreateIplImageFromUIImage:(UIImage *)image {    // Getting CGImage from UIImage    CGImageRef imageRef = image.CGImage;        CGColorSpaceRef colorSpace = CGColorSpaceCreateDeviceRGB();    // Creating temporal IplImage for drawing    IplImage *iplimage = cvCreateImage(                                       cvSize(image.size.width,image.size.height), IPL_DEPTH_8U, 4                                       );    // Creating CGContext for temporal IplImage    CGContextRef contextRef = CGBitmapContextCreate(                                                    iplimage->imageData, iplimage->width, iplimage->height,                                                    iplimage->depth, iplimage->widthStep,                                                    colorSpace, kCGImageAlphaPremultipliedLast|kCGBitmapByteOrderDefault                                                    );    // Drawing CGImage to CGContext    CGContextDrawImage(                       contextRef,                       CGRectMake(0, 0, image.size.width, image.size.height),                       imageRef                       );    CGContextRelease(contextRef);    CGColorSpaceRelease(colorSpace);        // Creating result IplImage    IplImage *ret = cvCreateImage(cvGetSize(iplimage), IPL_DEPTH_8U, 3);    cvCvtColor(iplimage, ret, CV_RGBA2BGR);    cvReleaseImage(&iplimage);        return ret;}// NOTE You should convert color mode as RGB before passing to this function- (UIImage *)UIImageFromIplImage:(IplImage *)image {    CGColorSpaceRef colorSpace = CGColorSpaceCreateDeviceRGB();    // Allocating the buffer for CGImage    NSData *data =    [NSData dataWithBytes:image->imageData length:image->imageSize];    CGDataProviderRef provider =    CGDataProviderCreateWithCFData((__bridge CFDataRef)data);    // Creating CGImage from chunk of IplImage    CGImageRef imageRef = CGImageCreate(                                        image->width, image->height,                                        image->depth, image->depth * image->nChannels, image->widthStep,                                        colorSpace, kCGImageAlphaNone|kCGBitmapByteOrderDefault,                                        provider, NULL, false, kCGRenderingIntentDefault                                        );    // Getting UIImage from CGImage    UIImage *ret = [UIImage imageWithCGImage:imageRef];    CGImageRelease(imageRef);    CGDataProviderRelease(provider);    CGColorSpaceRelease(colorSpace);    return ret;}#pragma mark - custom method// OSTU算法求出阈值int  Otsu(unsigned char* pGrayImg , int iWidth , int iHeight){    if((pGrayImg==0)||(iWidth<=0)||(iHeight<=0))return -1;    int ihist[256];    int thresholdValue=0; // „–÷µ    int n, n1, n2 ;    double m1, m2, sum, csum, fmax, sb;    int i,j,k;    memset(ihist, 0, sizeof(ihist));    n=iHeight*iWidth;    sum = csum = 0.0;    fmax = -1.0;    n1 = 0;    for(i=0; i < iHeight; i++)    {        for(j=0; j < iWidth; j++)        {            ihist[*pGrayImg]++;            pGrayImg++;        }    }    pGrayImg -= n;    for (k=0; k <= 255; k++)    {        sum += (double) k * (double) ihist[k];    }    for (k=0; k <=255; k++)    {        n1 += ihist[k];        if(n1==0)continue;        n2 = n - n1;        if(n2==0)break;        csum += (double)k *ihist[k];        m1 = csum/n1;        m2 = (sum-csum)/n2;        sb = (double) n1 *(double) n2 *(m1 - m2) * (m1 - m2);        if (sb > fmax)        {            fmax = sb;            thresholdValue = k;        }    }    return(thresholdValue);}-(UIImage *)Grayimage:(UIImage *)srcimage{    UIImage *resimage;        //openCV二值化过程：        /*     //1.Src的UIImage ->  Src的IplImage     IplImage* srcImage1 = [self CreateIplImageFromUIImage:srcimage];          //2.设置Src的IplImage的ImageROI     int width = srcImage1->width;     int height = srcImage1->height;     printf("图片大小%d,%d\n",width,height);               // 分割矩形区域     int x = 400;     int y = 1100;     int w = 1200;     int h = 600;          //cvSetImageROI:基于给定的矩形设置图像的ROI（感兴趣区域，region of interesting）     cvSetImageROI(srcImage1, cvRect(x, y, w , h));          //3.创建新的dstImage1的IplImage，并复制Src的IplImage     IplImage* dstImage1 = cvCreateImage(cvSize(w, h), srcImage1->depth, srcImage1->nChannels);     //cvCopy:如果输入输出数组中的一个是IplImage类型的话，其ROI和COI将被使用。     cvCopy(srcImage1, dstImage1,0);     //cvResetImageROI:释放基于给定的矩形设置图像的ROI（感兴趣区域，region of interesting）     cvResetImageROI(srcImage1);          resimage = [self UIImageFromIplImage:dstImage1];     */        //4.dstImage1的IplImage转换成cvMat形式的matImage    cv::Mat matImage = [self cvMatFromUIImage:srcimage];        cv::Mat matGrey;        //5.cvtColor函数对matImage进行灰度处理    //取得IplImage形式的灰度图像    cv::cvtColor(matImage, matGrey, CV_BGR2GRAY);// 转换成灰色        //6.使用灰度后的IplImage形式图像，用OSTU算法算阈值：threshold    //IplImage grey = matGrey;        resimage = [self UIImageFromCVMat:matGrey];        /*     unsigned char* dataImage = (unsigned char*)grey.imageData;     int threshold = Otsu(dataImage, grey.width, grey.height);     printf("阈值：%d\n",threshold);          //7.利用阈值算得新的cvMat形式的图像     cv::Mat matBinary;     cv::threshold(matGrey, matBinary, threshold, 255, cv::THRESH_BINARY);          //8.cvMat形式的图像转UIImage     UIImage* image = [[UIImage alloc ]init];     image = [self UIImageFromCVMat:matBinary];          resimage = image;     */        return resimage;}-(UIImage *)Erzhiimage:(UIImage *)srcimage{        UIImage *resimage;        //openCV二值化过程：        /*     //1.Src的UIImage ->  Src的IplImage     IplImage* srcImage1 = [self CreateIplImageFromUIImage:srcimage];          //2.设置Src的IplImage的ImageROI     int width = srcImage1->width;     int height = srcImage1->height;     printf("图片大小%d,%d\n",width,height);     //          // 分割矩形区域     int x = 400;     int y = 1100;     int w = 1200;     int h = 600;          //cvSetImageROI:基于给定的矩形设置图像的ROI（感兴趣区域，region of interesting）     cvSetImageROI(srcImage1, cvRect(x, y, w , h));          //3.创建新的dstImage1的IplImage，并复制Src的IplImage     IplImage* dstImage1 = cvCreateImage(cvSize(w, h), srcImage1->depth, srcImage1->nChannels);     //cvCopy:如果输入输出数组中的一个是IplImage类型的话，其ROI和COI将被使用。     cvCopy(srcImage1, dstImage1,0);     //cvResetImageROI:释放基于给定的矩形设置图像的ROI（感兴趣区域，region of interesting）     cvResetImageROI(srcImage1);          resimage = [self UIImageFromIplImage:dstImage1];     */        //4.dstImage1的IplImage转换成cvMat形式的matImage    cv::Mat matImage = [self cvMatFromUIImage:srcimage];        cv::Mat matGrey;        //5.cvtColor函数对matImage进行灰度处理    //取得IplImage形式的灰度图像    cv::cvtColor(matImage, matGrey, CV_BGR2GRAY);// 转换成灰色        //6.使用灰度后的IplImage形式图像，用OSTU算法算阈值：threshold    IplImage grey = matGrey;    unsigned char* dataImage = (unsigned char*)grey.imageData;    int threshold = Otsu(dataImage, grey.width, grey.height);    printf("阈值：%d\n",threshold);        //7.利用阈值算得新的cvMat形式的图像    cv::Mat matBinary;    cv::threshold(matGrey, matBinary, threshold, 255, cv::THRESH_BINARY);        //8.cvMat形式的图像转UIImage    UIImage* image = [[UIImage alloc ]init];    image = [self UIImageFromCVMat:matBinary];        resimage = image;        return resimage;}@end

四：可能问题：

　　1.出现'list' file not found:   检查类名是否改成.mm了！还不行的话，在Build Phases 中加入库：libc++.dylib 试试。

　　2.arm64不支持的问题：在Building settings里Build Active Architecture Only改为No，然后下面Valid Architectures把arm64删了。

 

五：样例参考：有两个很好的例子，一个是二值，一个是图像匹配。

1.二值 https://github.com/zltqzj/ios_opencv_divide

2.图像匹配 https://github.com/jimple/OpenCVSample