上位机图像处理和嵌入式模块部署（qmacvisual非opencv算法编写）
source link: https://blog.csdn.net/feixiaoxing/article/details/137155254
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】
我们都知道，qmacvisual本身依赖于qt+opencv的实现。大部分的界面都是依赖于qt的实现。图像算法部分，也是大部分都依赖于opencv本身。但是，也有很多的算法，本身opencv是没有实现的，或者opencv的实现不满足我们的需求。这个时候，就需要我们自己利用cv::Mat结构来对像素进行一个一个的处理。今天，我们可以借着学习图像细化的机会，来看看怎么编写非opencv算法。
1、创建项目和创建流程
首先，还是根据qmacvisual的要求去创建项目和创建流程。
2、导入图像细化控件
图像细化控件的位置，在图像处理下面。用户可以直接用鼠标拖拉过来，如果不出意外，我们就可以看到这样的窗口，
图像中有两个地方需要配置，一个是输入的图像，一个是需要迭代的次数。我们看到，迭代之后的结果就是这样的一个细长的线条。大家可以想象下，它之前的图象是什么样的，
大家可以通过对比发现，整个图像细化的效果还是比较明显的。
3、完善测试流程
一般测试的时候，会添加一个图像显示的插件，这样流程比较完整一点。所以，最后整体的流程是这样的，
4、分析图像实现的实现
如果只是简单地分析功能，整个图像处理的流程还是比较简单的。我们比较关注的，更多的是整个功能怎么实现的。前面说过，它的算法是通过具体像素操作实现的，而不是opencv自带的算法。所以，在对应的实现函数中看到了这样的代码。
访问单个元素的话，可以这样来访问，即通过i和j，
代码中dst是cv::Mat结构。这种方法看上去没有什么问题，但是如果连续访问的话，效率比较低。因此，还有一种方法，就是通过首地址，即先访问一个元素的地址，后续通过这个地址来访问其他的像素。
5，另外一种需要自定义算法的情形
如果opencv中没有相关的算法，这个时候用c/c++语言来实现，无可厚非。但是还有一种也是比较常见的，那就是opencv本身已经实现了相关的算法，但是我们用c/c++还要实现一遍。甚至很多的时候，还用汇编改写一遍。这里面最大的考虑就是效率。因为opencv里面的算法，主要是基于c/c++高级语言来完成的，它没有办法考虑不同硬件平台的差异。这个时候，为了提高算法的运行效率，最大化使用硬件的性能，改写opencv已有的算法也是常有的事情。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK