Opencv For IOS相机环境搭建

简介: Step 1: Step 2: 导入有用的frameworkopencv2.framework需要自己下载 opencv2.

Step 1: 
新建一个工程 选择Single View Application ---->next
Step 2: 
导入有用的framework

opencv2.framework需要自己下载 
opencv2.framework如下导入方式 
添加文件

注意红色圈

其他 .framework如下方式导入 
这里写图片描述

导入framework后如下图所示 
这里写图片描述 
Step 3: 
下图1的位置将.m文件改为.mm文件 
这里写图片描述

Step 4: 
添加protocol  
这个delegate可以用来出来获取的视频图像 
Step 5:创建一个CvVideoCamera的实例 
@property (nonatomic,strong) CvVideoCamera *videoCamera;

Step 6:将videoCamera对象与imageView连接: 
self.videoCamera = [[CvVideoCamera alloc] initWithParentView:self.imageView]; 
self.videoCamera.delegate = self; 
self.videoCamera.defaultAVCaptureDevicePosition = AVCaptureDevicePositionBack;//调用摄像头前置或者后置 
self.videoCamera.defaultAVCaptureSessionPreset = AVCaptureSessionPreset640x480;//设置图像分辨率 
self.videoCamera.rotateVideo=YES;// 解决图像显示旋转90°问题 
self.videoCamera.grayscaleMode = NO;//获取图像是灰度还是彩色图像 
self.videoCamera.defaultFPS = 30;//摄像头频率 
只要简单的设置,现在videoCamera已经就绪了,只需要以下命令: 
[self.videoCamera start]; 
[self.videoCamera stop]; 
进行控制

Step 7:对获取的实时图像进行处理 
利用protocol的method:

-(void)processImage:(cv::Mat &)image {

//添加自己的图像处理算法 
if (!image.empty()) { 
if(image.channels()==4) 
{ cv::Mat gray; 
cv::cvtColor(image, gray, CV_BGRA2GRAY); 
cv::GaussianBlur(gray, gray, cv::Size(5,5), 1.2, 1.2); 
cv::Mat edges; 
cv::Canny(gray, edges, 0, 60); 
image.setTo(cv::Scalar::all(255)); 
image.setTo(cv::Scalar(0,128,255,255), edges); 
self.imageView.image = MatToUIImage(image); 
}else if(image.channels()==3) 

cv::Mat gray; 
cv::cvtColor(image, gray, CV_RGB2GRAY); 
cv::GaussianBlur(gray, gray, cv::Size(5,5), 1.2, 1.2); 
cv::Mat edges; 
cv::Canny(gray, edges, 0, 60); 
image.setTo(cv::Scalar::all(255)); 
image.setTo(cv::Scalar(0,128,255,255), edges); 
self.imageView.image = MatToUIImage(image); 

else if(image.channels()==1){ 
cv::Mat gray; 
cv::GaussianBlur(image, gray, cv::Size(5,5), 1.2, 1.2); 
cv::Mat edges; 
cv::Canny(gray, edges, 0, 60); 
image.setTo(cv::Scalar::all(255)); 
image.setTo(cv::Scalar(0,128,255,255), edges); 
self.imageView.image = MatToUIImage(image); 

else{ 



代码结构

有时会出现如下错误 
ld: ‘/Users///*/opencv2.framework/opencv2(cap_ios_video_camera.o)’ does not contain bitcode. You must rebuild it with bitcode enabled (Xcode setting ENABLE_BITCODE), obtain an updated library from the vendor, or disable bitcode for this target. for architecture arm64

Build Phases 收索bit code 将Enable Bitcode 后面的Yes改为No。

出现如下错误时

这样操作

Opencv+IOS源码

Opencv For IOS 配置视频

目录
相关文章
|
3天前
|
计算机视觉 索引
OpenCV4学习笔记(2):显示相机视频流的帧率
这篇文章是OpenCV4学习笔记的第二部分,介绍了如何通过OpenCV4在显示相机视频流时计算并显示其帧率,使用`getTickCount`和`getTickFrequency`函数来测量帧时间,并用`putText`在图像上绘制帧率信息。
OpenCV4学习笔记(2):显示相机视频流的帧率
|
4月前
|
存储 新制造 开发工具
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现相机图像转换为Mat图像格式(C++)
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现相机图像转换为Mat图像格式(C++)
62 2
|
3天前
|
算法 计算机视觉 Python
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
该文章详细介绍了使用Python和OpenCV进行相机标定以获取畸变参数,并提供了修正图像畸变的全部代码,包括生成棋盘图、拍摄标定图像、标定过程和畸变矫正等步骤。
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
|
2天前
|
算法 定位技术 vr&ar
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
15 0
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
|
4月前
|
存储 监控 开发工具
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现相机图像转换为AVI视频格式(C++)
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现相机图像转换为AVI视频格式(C++)
58 0
|
4月前
|
存储 传感器 算法
相机标定系列---opencv相关标定算子
相机标定系列---opencv相关标定算子
|
4月前
|
存储 新制造 C#
Baumer工业相机堡盟工业相机如何使用OpenCV实现相机图像的显示(C#)
Baumer工业相机堡盟工业相机如何使用OpenCV实现相机图像的显示(C#)
50 1
|
4月前
|
监控 算法 开发工具
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现获取图像并对图像进行边缘检测(C++)
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现获取图像并对图像进行边缘检测(C++)
55 1
|
4月前
|
传感器 存储 开发工具
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现Mono12和Mono16位深度的图像保存(C++)
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现Mono12和Mono16位深度的图像保存(C++)
41 0
|
4月前
|
存储 新制造 开发工具
Baumer工业相机堡盟工业相机如何使用OpenCV实现相机图像的显示(C++)
Baumer工业相机堡盟工业相机如何使用OpenCV实现相机图像的显示(C++)
47 0
下一篇
云函数