OpenCvSharp: 为.NET开发者打造的强大OpenCV包装库

创作时间:

作者:

@小白创作中心

OpenCvSharp: 为.NET开发者打造的强大OpenCV包装库

引用

CSDN

https://m.blog.csdn.net/nifc666/article/details/142525899

OpenCvSharp简介

OpenCvSharp是一个为.NET开发者设计的OpenCV包装库,它将强大的OpenCV计算机视觉和图像处理功能无缝集成到.NET环境中。作为一个开源项目,OpenCvSharp致力于为.NET开发者提供一个易用、高效且功能齐全的OpenCV接口。

OpenCvSharp的主要特性

贴近原生API：OpenCvSharp的设计尽可能地模仿了原生OpenCV C/C++ API的风格,这使得熟悉OpenCV的开发者可以快速上手。
资源管理：许多OpenCvSharp类实现了IDisposable接口,无需手动管理不安全的资源。
编程风格灵活：OpenCvSharp不强制使用面向对象的编程风格,开发者也可以调用原生风格的OpenCV函数。
图像格式转换：提供了将Mat转换为Bitmap(GDI+)或WriteableBitmap(WPF)的功能,方便与.NET图形库集成。
多平台支持：支持Windows、UWP、Ubuntu等多个平台。

安装和配置

OpenCvSharp的安装过程相对简单,主要通过NuGet包管理器完成。以下是针对不同平台的安装步骤:

Windows平台(非UWP)

在您的项目中添加
OpenCvSharp4
和
OpenCvSharp4.runtime.win
NuGet包。
或者,您可以使用
OpenCvSharp4.Windows
包,它是一个包含所有必要组件的综合包。

UWP平台

在您的UWP项目中添加
OpenCvSharp4
和
OpenCvSharp4.runtime.uwp
NuGet包。
请注意,
OpenCvSharp4.runtime.win
和
OpenCvSharp4.Windows
包不适用于UWP。

Ubuntu 22.04

在您的项目中添加
OpenCvSharp4
和
OpenCvSharp4.runtime.ubuntu.22.04.x64
NuGet包。
以下是在Ubuntu环境下安装OpenCvSharp的命令行示例:


dotnet new console -n ConsoleApp01  
cd ConsoleApp01  
dotnet add package OpenCvSharp4  
dotnet add package OpenCvSharp4_.runtime.ubuntu.22.04-x64  
# 编辑Program.cs  
dotnet run

系统要求

.NET Framework 4.8 / .NET 6 / .NET Standard 2.0
Windows平台需要Visual C++ 2022 Redistributable Package
Windows Server需要安装Media Foundation
Ubuntu平台需要预先安装OpenCV依赖包

使用OpenCvSharp

使用OpenCvSharp进行图像处理非常直观。以下是一个使用Canny算法进行边缘检测的简单示例:


using OpenCvSharp;  
class Program  
{  
    static void Main()  
    {  
        using var src = new Mat("lenna.png", ImreadModes.Grayscale);  
        using var dst = new Mat();  
        
        Cv2.Canny(src, dst, 50, 200);  
        using (new Window("src image", src))  
        using (new Window("dst image", dst))  
        {  
            Cv2.WaitKey();  
        }  
    }  
}

这个例子展示了如何加载图像、应用Canny边缘检测算法,并显示结果。

资源管理

OpenCvSharp中的许多对象,如Mat和MatExpr,包含非托管资源,需要手动释放。为了简化资源管理,OpenCvSharp提供了ResourcesTracker类:


using (var t = new ResourcesTracker())  
{  
    var src = t.T(new Mat(@"lenna.png", ImreadModes.Grayscale));  
    var dst = t.NewMat();  
    Cv2.Canny(src, dst, 50, 200);  
    var blurredDst = t.T(dst.Blur(new Size(3, 3)));  
    t.T(new Window("src image", src));  
    t.T(new Window("dst image", blurredDst));  
    Cv2.WaitKey();  
}

使用ResourcesTracker可以自动跟踪和释放资源,大大简化了内存管理。