可以转app的网站怎么做河北seo基础教程

1.opencv

1.1Mat容器：

在OpenCV中，cv::Mat是一个重要的类，用于表示和操作矩阵或多维数组，通常用于图像处理和计算机视觉任务。

cv::Mat类具有以下特点和功能：

1. 多维数据存储：cv::Mat可以存储多维数据，包括图像、矩阵、向量等。它是一个灵活的数据容器，可以存储不同类型和大小的数据。

2. 数据访问和操作：cv::Mat提供了各种方法来访问和操作数据。你可以使用下标运算符 () 访问和修改单个元素，也可以使用迭代器遍历矩阵中的所有元素。此外，还有一些便捷的函数和运算符可用于常见的矩阵操作，如转置、缩放、裁剪等。

3. 数据类型和通道：cv::Mat支持不同的数据类型，如整数、浮点数和复数。它还可以存储多通道数据，例如彩色图像的三通道（BGR 或 RGB）表示。

4. 内存管理：cv::Mat使用智能指针技术，自动管理底层数据的内存。它可以自动分配和释放内存，使得内存管理变得更加方便和安全。

5. 与其他数据结构的互操作性：cv::Mat可以与其他数据结构进行互操作。它可以与标准C++数组、STL容器以及其他OpenCV数据结构（如cv::Point和cv::Rect）进行无缝集成。

Mat基本上是一个具有两个数据部分的类：①矩阵头：大小，存储的方法，地址等 ；②矩阵指针：指向实际数据存储区域的指针；

Mat对象都有自己的头部，但通过使他们的指针指向相同的地址，矩阵可以在他们两个实例中共享。

Mat A, C;                          // 创建两个MAT容器的对象头
A = imread(argv[1], IMREAD_COLOR); // 为A对象添加实际的矩阵数据，imread() 返回的就是一个Mat对象。
Mat B(A);                                 // 使用拷贝构造函数创建Mat对象B
C = A;                                    // 修改操作

上述的所有对象，最后指向相同的数据矩阵，但它们拥有自己的头部；使用它们中的任何一个对象修改矩阵都会影响其他的对象。

可以询问矩阵本身是否属于多个Mat对象，它们在不再需要时负责清理它。
这是通过使用引用计数机制来处理的。每当有人复制Mat对象的标题时，矩阵的计数器就会增加。每当头部被清洁时，这个计数器就会减少。当计数器达到零时，矩阵也被释放。有时你也想复制矩阵本身，所以OpenCV提供了cv :: Mat :: clone（）和cv :: Mat :: copyTo（）函数。

Mat F = A.clone(); //F和A将不会采用同一个引用计数系统
Mat G;
A.copyTo(G); // 现在修改F和G都不会影响A

1.2 imread()函数

imread()函数返回一个cv::Mat对象，表示读取的图像数据。

cv::Mat cv::imread(const std::string& filename, int flags = cv::IMREAD_COLOR);
filename：要读取的图像文件的路径和名称。
flags：可选参数，用于指定图像的读取方式。默认为cv::IMREAD_COLOR，表示以彩色方式读取图像。
以下是flags参数的可选值：cv::IMREAD_COLOR：以彩色方式读取图像，忽略图像的透明度通道（默认）。cv::IMREAD_GRAYSCALE：以灰度方式读取图像，将图像转换为单通道灰度图像。cv::IMREAD_UNCHANGED：以原始方式读取图像，包括图像的通道和透明度通道。

1.3 imshow()函数

imshow()函数将指定的图像数据显示在一个窗口中。窗口的大小会自动根据图像的大小进行调整。如果窗口不存在，则会创建一个新窗口并显示图像；如果窗口已存在，则会更新窗口中显示的图像。

void cv::imshow(const std::string& winname, cv::InputArray mat);
winname：窗口的名称，用于标识不同的窗口。
mat：要显示的图像数据，可以是cv::Mat对象或其他支持的图像数据类型。

1.4 cvtcolor()函数

cvtColor()是OpenCV库中用于图像颜色空间转换的函数。它可以将图像从一个颜色空间转换为另一个颜色空间

void cv::cvtColor(cv::InputArray src, cv::OutputArray dst, int code, int dstCn = 0);
src：输入图像的数据，可以是cv::Mat对象或其他支持的图像数据类型。
dst：输出图像的数据，用于存储转换后的图像数据，可以是cv::Mat对象或其他支持的图像数据类型。
code：颜色空间转换的代码，用于指定源图像和目标图像的颜色空间。具体的转换代码由OpenCV提供，如cv::COLOR_BGR2GRAY表示将BGR图像转换为灰度图像。
dstCn：可选参数，表示目标图像的通道数。默认为0，表示目标图像的通道数与源图像的通道数相同。

1.5 resize()函数

void cv::resize(cv::InputArray src, cv::OutputArray dst, cv::Size dsize, double fx = 0, double fy = 0, int interpolation = cv::INTER_LINEAR);
src：输入图像的数据，可以是cv::Mat对象或其他支持的图像数据类型。
dst：输出图像的数据，用于存储调整大小后的图像数据，可以是cv::Mat对象或其他支持的图像数据类型。
dsize：目标图像的尺寸，用cv::Size(width, height)指定。
fx：可选参数，水平方向的缩放比例因子。默认为0，表示根据目标图像的宽度自动计算缩放比例。
fy：可选参数，垂直方向的缩放比例因子。默认为0，表示根据目标图像的高度自动计算缩放比例。
interpolation：可选参数，用于指定插值方法。默认为cv::INTER_LINEAR，表示使用双线性插值进行图像的缩放。

1.6 puttext()函数

void cv::putText(cv::InputOutputArray img, const std::string& text, cv::Point org, int fontFace, double fontScale, cv::Scalar color, int thickness = 1, int lineType = cv::LINE_8, bool bottomLeftOrigin = false);

2.Cmake

2.1 简介

CMake是一个跨平台的安装（编译）工具，可以用简单的语句来描述所有平台的安装(编译过程)。他能够输出各种各样的makefile或者project文件；Cmake 并不直接建构出最终的软件，而是产生标准的建构档（如 Unix 的 Makefile 或 Windows Visual C++ 的 projects/workspaces），然后再依一般的建构方式使用；CMake 的组态档取名为 CMakeLists.txt；

2.2 vscode使用CMake

①下载CMake：

Download CMake

②系统环境配置好：

根据cmake的安装位置去添加，可以在cmd中，测试是否成功。

③安装两个插件：

确保你的vscode本来就是可以跑的，可以上网搜一下vscode环境配置

④创建文件夹：

src:存放源文件；inc:存放头文件；build:执行cmake会生成一些配置文件比较杂，放在该目录下；bin:存放生成的可执行程序；CmakeLists.txt文件；

⑤编写一个简单的OpenCV示例代码（.cpp）：

#include <iostream> 
#include <opencv2/opencv.hpp> // 包含opencv的库头文件using namespace std;
using namespace cv;  //使用命名空间cv，包含空间中方法及属性int main(int argc, char** argv )
{if ( argc != 2 ) // 命令行参数个数不是2个的时候{printf("使用指令: DisplayImage <Image_Path>\n"); // 提示：按照固定格式输入指定内容！return -1;}Mat img; //创建一个名称为img的图像容器（这个后边会介绍到）img = imread( argv[1], 1 ); //为该容器读取命令行中 DisplayImage 之后的参数（图片路径“<Image_Path>”）if ( !img.data ) //如果读取数据为空（没有读取到图片）{cout<<"没有图片数据！"<<endl;return -1;}namedWindow("检索到的图片", WINDOW_AUTOSIZE );//创建图片显示窗口imshow("Display Image", img);//显示图片waitKey(0); //延迟等待return 0;
}

⑥编写CMakeList.txt:

# 选择最匹配的最低的Cmake版本
cmake_minimum_required(VERSION 2.8) 
# 创建的程序的名称（项目的名称）
project( DisplayImage )  
#指定头文件的路径，PROJECT_SOURCE_DIR宏对应的值是工程的根目录
include_directories(${PROJECT_SOURCE_DIR}/inc)
find_package( OpenCV REQUIRED ) # 找到需求的库或者组件
#[[aux_source_directory(< dir > < variable >)dir：要搜索的目录variable：将从dir目录下搜索到的源文件列表存储到该变量中
]]
aux_source_directory(${PROJECT_SOURCE_DIR}/src SRCS)
#设置可执行程序路径，EXECUTABLE_OUTPUT_PATH是可执行路径的宏
set(EXECUTABLE_OUTPUT_PATH ${PROJECT_SOURCE_DIR}/bin)
#生成可执行程序  add_executable(可执行程序名 源文件名称)
add_executable( DisplayImage ${SRCS}) 
#链接的库
target_link_libraries( DisplayImage ${OpenCV_LIBS} )

⑦生成可执行文件:

进入build目录下敲击以下命令表示cmake指定MinGW编译生成makefile

cd <DisplayImage_directory> /bulid/ # 切换到项目路径bulid当中
cmake .. -G "MinGW Makefiles" # 编译当前项目
ming32-make # 生成可执行文件（名称为Cmake文件中的project()中的名称）

ps另一种方法：

在setting中加这一句：

在vscode中可以使用ctrl+shift+p，搜索CMake：Configure

点击效果如下

生成了makefile之后，在终端make生成可执行文件

⑧执行程序:

cd ../bin/ #跳转到可执行文件的目录
./DisplayImage xxx.jpg #添加要显示的图片（图片路径），并且执行