通过HomeBrew安装管理OpenCV
安装HomeBrew：官网
https://brew.sh
安装CMake: 官网https://cmake.org, 配置CMake的环境变量
检查OpenCV版本：brew search "opencv"
安装OpenCV指定版本: brew install
opencv@3
卸载OpenCV指定版本: brew uninstall
opencv@3
新建Xcode工程
关联OpenCV如图：
代码：
//
// main.cpp
// MainOpenCV
//
// Created by wenqiang on 26/9/2019.
// Copyright © 2019 tools.master.com. All rights reserved.
//
#include <iostream>
#include <opencv2/opencv.hpp>
#include "stasm.h"
//using namespace cv;
int main(int argc, const char * argv[]) {
// insert code here...
cv::Mat img = cv::imread("[图片绝对路径]", CV_LOAD_IMAGE_UNCHANGED); //以上路径为我的一张图片
if(img.empty()) {
fprintf(stderr, "failed to load input image\n");
return -1;
}
//=======================检查脸的参数=======================
// 参数1
int foundface;
/*
* 参数2
* stasm_NLANDMARKS 是 stasm的一个宏 一个int值 值为77 表示可以获取到77个点
* 乘以2 是因为返回的值是float 每一个点都有x,y 返回值为:x0, y0, x1, y1, 相当于两个元素才能合成一个点
*/
float landmarks[2 * stasm_NLANDMARKS];
/*
* 参数3
* 图片的灰度图, 可以直接使用OpenCV的方法获取
*/
// 将UIImage 转成 cv::Mat
cv::Mat cvFaceImage = img;
//UIImageToMat(image, cvFaceImage);
// 将cv::Mat的image 转成灰度图
// CV_RGBA2GRAY 表示 将四通道RGBA的图片 转成灰度图 iOS中图片默认是RGBA的
cv::Mat cvGrayFaceImage;
cv::cvtColor(cvFaceImage, cvGrayFaceImage, CV_RGBA2GRAY);
const char* imgData = (const char*)cvGrayFaceImage.data;
//参数4/5 图片的宽高 cv::Mat 的图片可以直接取
int imgCols = cvGrayFaceImage.cols;
int imgRows = cvGrayFaceImage.rows;
// 参数6 不传
/*
* 参数7 训练库文件的目录
* 这里需要注意 iOS获取项目中文件 需要通过Bundle获取
* [NSBundle mainBundle].bundlePath 作为目录 是可以拿到项目中所以文件的 不管有没有其他子文件夹了。
* 其他平台中, 那么就指定路径
*/
//const char *xmlPath = [[NSBundle mainBundle].bundlePath UTF8String];
const char *xmlPath = "[分离器绝对路径]";
// 方法有返回值 如果为0 那么就说明方法调用出现问题
int stasmActionError = stasm_search_single(&foundface, landmarks, imgData, imgCols, imgRows, "", xmlPath);
if (!stasmActionError){
// 通过打印 stasm_lasterr() 可以看到错误信息
printf("Error in stasm_search_single: %s\n", stasm_lasterr());
}
cv::Mat result;
if (!foundface) {
printf("No face found");
result = cvGrayFaceImage;
} else {
// 这里就说明已经获取到关键点了
// 将关键点显示出来
// 将RGBA四通道的图片 转成 BGR三通道
cv::Mat cvFaceImage_BGR;
cv::cvtColor(cvFaceImage, cvFaceImage_BGR, CV_RGBA2BGR);
for (int i = 0; i < stasm_NLANDMARKS; i++){
// 生成一个当前点脚标的String字符串
std::string number = std::to_string(i);
// 获取中心点 根据x在前 y在后 两个元素为一个点的顺序
cv::Point center(cvRound(landmarks[i * 2 ]), cvRound(landmarks[i * 2+1]));
// 将点画上去
cv::circle(cvFaceImage_BGR, center, 0.25, cv::Scalar(255, 0, 0), 2, 8, 0);
// 将脚标也画上去
cv::putText(cvFaceImage_BGR,number,center, cv::FONT_HERSHEY_PLAIN,0.7, cv::Scalar(0, 0, 255));
}
// 将BGR三通道的图片 转成 RGBA四通道
cv::Mat cvFaceImageResult;
cv::cvtColor(cvFaceImage_BGR, cvFaceImageResult, CV_BGR2RGBA);
//绘制出关键点的image
//result = MatToUIImage(cvFaceImageResult);
result = cvFaceImageResult;
cvFaceImage_BGR.release();
cvFaceImageResult.release();
}
// 释放cv::Mat
cvFaceImage.release();
cvGrayFaceImage.release();
//=======================检查脸结束=======================
cv::imshow("Display Image", result);
cv::waitKey(0);
return 0;
}