#include <iostream> #include <opencv2/core.hpp> #include <opencv2/highgui.hpp> #include <opencv2/imgproc.hpp> using namespace std; using namespace cv; #include <opencv2/wechat_qrcode.hpp> int main() { const std::string modelDir = R"(D:\opencv\opencv4.5.4\build_contrib\downloads\wechat_qrcode\)"; // 构造（使用异常捕获构造函数是否正常） wechat_qrcode::WeChatQRCode detector{ modelDir + "detect.prototxt", modelDir + "detect.caffemodel", modelDir + "sr.prototxt", modelDir + "sr.caffemodel" }; // 临时变量 Mat img; vector<Mat> points; // qrcode: Retangle, not RotatedBox auto camIdx = 0; // auto camIdx = R"(C:\Users\wanggao\Desktop\qrconde_test.jpg)"; VideoCapture cap(camIdx); while(cap.read(img)){ // 检测 auto res = detector->detectAndDecode(img, points); // 结果叠加 for(size_t idx = 0; idx < res.size(); idx ++){ Point pt1 = points[idx].at<Point2f>(0); Point pt2 = points[idx].at<Point2f>(2); Rect rect{pt1, pt2}; Point center = (pt1 + pt2) / 2; // 绘制矩形框 rectangle(img, rect, {0,0,255}, 2); circle(img, center, rect.height / 15, {0,0,255}, -1); // 解码字符串 putText(img, res[idx], {pt1.x, pt2.y + 16}, 1, 1, {0,0,255}); } imshow("image", img); if (waitKey(30) >= 0) break; } return 0; } 如何捕获 detector->detectAndDecode产生的异常？

可以使用 try-catch 语句来捕获 detector->detectAndDecode 方法可能产生的异常。示例代码如下：

try {
auto res = detector->detectAndDecode(img, points);
// 处理正常情况下的返回值
} catch (const std::exception& e) {
std::cerr << "Exception caught: " << e.what() << std::endl;
// 处理异常情况下的错误信息
}
其中，std::exception 是 C++ 标准库中的异常类，可以用来捕获各种可能的异常。在 catch 子句中可以通过 e.what() 方法获取到异常的错误信息。

相关问题

#include <iostream> #include <opencv2/imgcodecs.hpp> #include <opencv2/imgproc.hpp> #include <opencv2/videoio.hpp> #include <opencv2/highgui.hpp> #include <opencv2/video.hpp> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui_c.h> using namespace cv; using namespace std; int main(int argc, char** argv) { VideoCapture capture("D:/dvp/sample/dataset/traffic.mp4"); if (!capture.isOpened()) { //error in opening the video input cerr << "Unable to open file!" << endl; return 0; } Mat frame, roi, hsv_roi, mask; // take first frame of the video capture >> frame; // setup initial location of window Rect track_window(300, 200, 100, 50); // simply hardcoded the values // set up the ROI for tracking roi = frame(track_window); cvtColor(roi, hsv_roi, COLOR_BGR2HSV); inRange(hsv_roi, Scalar(0, 60, 32), Scalar(180, 255, 255), mask); float range_[] = { 0, 180 }; const float* range[] = { range_ }; Mat roi_hist; int histSize[] = { 180 }; int channels[] = { 0 }; calcHist(&hsv_roi, 1, channels, mask, roi_hist, 1, histSize, range); normalize(roi_hist, roi_hist, 0, 255, NORM_MINMAX); // Setup the termination criteria, either 10 iteration or move by atleast 1 pt TermCriteria term_crit(TermCriteria::EPS | TermCriteria::COUNT, 10, 1); while (true) { Mat hsv, dst; capture >> frame; if (frame.empty()) break; cvtColor(frame, hsv, COLOR_BGR2HSV); calcBackProject(&hsv, 1, channels, roi_hist, dst, range); // apply meanshift to get the new location meanShift(dst, track_window, term_crit); // Draw it on image rectangle(frame, track_window, 255, 2); imshow("img2", frame); setMouseCallback("img2", onMouse, 0); int keyboard = waitKey(30); if (keyboard == 'q' || keyboard == 27) break; } }帮我更改此段代码，使其能够通过gui使用鼠标来框选指定区域

以下是修改后的代码，可以通过GUI使用鼠标来框选指定区域：

#include <iostream>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/videoio.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/video.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui_c.h>

using namespace cv;
using namespace std;

Rect box; //定义一个矩形框，用于记录鼠标选择的区域
bool drawing_box = false; //标记是否正在通过鼠标绘制矩形框

void draw_box(Mat& img, Rect box)
{
    //绘制矩形框
    rectangle(img, box.tl(), box.br(), Scalar(0, 0, 255), 2);
}

void onMouse(int event, int x, int y, int flags, void* param)
{
    Mat& image = *(Mat*)param;

    switch (event)
    {
    case EVENT_MOUSEMOVE:
        if (drawing_box)
        {
            //更新矩形框位置
            box.width = x - box.x;
            box.height = y - box.y;
        }
        break;

    case EVENT_LBUTTONDOWN:
        //开始绘制矩形框
        drawing_box = true;
        box = Rect(x, y, 0, 0);
        break;

    case EVENT_LBUTTONUP:
        //结束绘制矩形框
        drawing_box = false;
        if (box.width < 0)
        {
            box.x += box.width;
            box.width *= -1;
        }
        if (box.height < 0)
        {
            box.y += box.height;
            box.height *= -1;
        }
        draw_box(image, box);
        break;
    }
}

int main(int argc, char** argv)
{
    VideoCapture capture("D:/dvp/sample/dataset/traffic.mp4");
    if (!capture.isOpened()) {
        //error in opening the video input
        cerr << "Unable to open file!" << endl;
        return 0;
    }

    Mat frame, roi, hsv_roi, mask;
    // take first frame of the video
    capture >> frame;

    namedWindow("img2");
    setMouseCallback("img2", onMouse, &frame);

    while (true) {
        capture >> frame;
        if (frame.empty()) break;

        if (!box.empty()) {
            // set up the ROI for tracking
            roi = frame(box);
            cvtColor(roi, hsv_roi, COLOR_BGR2HSV);
            inRange(hsv_roi, Scalar(0, 60, 32), Scalar(180, 255, 255), mask);

            float range_[] = { 0, 180 };
            const float* range[] = { range_ };
            Mat roi_hist;
            int histSize[] = { 180 };
            int channels[] = { 0 };
            calcHist(&hsv_roi, 1, channels, mask, roi_hist, 1, histSize, range);
            normalize(roi_hist, roi_hist, 0, 255, NORM_MINMAX);

            // Setup the termination criteria, either 10 iteration or move by atleast 1 pt
            TermCriteria term_crit(TermCriteria::EPS | TermCriteria::COUNT, 10, 1);

            Mat hsv, dst;
            cvtColor(frame, hsv, COLOR_BGR2HSV);
            calcBackProject(&hsv, 1, channels, roi_hist, dst, range);

            // apply meanshift to get the new location
            meanShift(dst, box, term_crit);

            // Draw it on image
            rectangle(frame, box, 255, 2);
        }

        imshow("img2", frame);

        int keyboard = waitKey(30);
        if (keyboard == 'q' || keyboard == 27) break;
    }

    return 0;
}

在主函数中，我们添加了一个名为“img2”的窗口，并将其用作鼠标事件的回调函数。在主循环中，我们检查矩形框是否已经被绘制，如果是，则设置ROI并进行跟踪。最后，在每个循环迭代中，我们都显示图像，并等待用户按下“q”或“ESC”键退出程序。

#include<iostream> #include <opencv2/core.hpp> #include <opencv2/imgproc.hpp> #include <opencv2/highgui.hpp> using namespace cv; using namespace std; int main() { Mat img = imread("C:\\Users\\Lenovo\\Pictures\\Saved Pictures\\QQ图片20230712174241.jpg", 0); Mat dst1, dst2; Sobel(img, dst1, CV_16S, 1, 0); //第五个参数为0，表示y方向不进行卷积运算 Sobel(img, dst2, CV_16S, 0, 1); //第四个参数为0，表示x方向不进行卷积运算 convertScaleAbs(dst1, dst1); convertScaleAbs(dst2, dst2); namedWindow("1", WINDOW_NORMAL); namedWindow("2", WINDOW_NORMAL); imshow("1", dst1); imshow("2", dst2); Mat dst; dst = Mat(dst1.size(), dst1.type()); int cols = dst1.cols, rows = dst2.rows; for (int i = 0; i < cols; i++) { for (int j = 0; j < rows; j++) { int x = dst.at<uchar>(j, i); int y = dst.at<uchar>(j, i); int xy = x + y; dst.at<uchar>(j, i) = saturate_cast<uchar>(xy); } } namedWindow("3", WINDOW_NORMAL); imshow("3", dst); waitKey(0); }

这段代码是使用OpenCV库进行图像处理的示例代码。它使用Sobel算子对输入的灰度图像进行边缘检测，并将水平和垂直方向的边缘图像进行叠加，最后显示处理后的图像。

首先，它包含了必要的头文件，并使用了cv和std命名空间。

然后，在主函数中，它读取了一张灰度图像作为输入。你可以根据你的需要修改文件路径。

接下来，它定义了两个Mat对象dst1和dst2，分别用于存储水平和垂直方向的边缘图像。

然后，它调用了Sobel函数两次，分别计算水平和垂直方向的边缘图像。Sobel函数的第三个参数是输出图像的数据类型，CV_16S表示输出结果为16位有符号整数。第四个和第五个参数分别表示在x方向和y方向进行卷积运算。

接下来，它使用convertScaleAbs函数将dst1和dst2转换为8位无符号整数类型的图像。

然后，它创建了三个窗口用于显示结果，并使用imshow函数显示图像。

然后，它创建了一个与dst1相同大小和类型的Mat对象dst。

接下来，它使用两个嵌套的for循环遍历dst1和dst2的每个像素，并将对应位置的像素值相加，并将结果存储在dst中。

最后，它使用imshow函数显示叠加后的图像，并使用waitKey函数等待用户按下任意键退出程序。

请注意，这只是一个简单的示例代码，你可以根据你的需求进行修改和扩展。