OpenCV中CommandLineParser类

介绍OpenCV中的CommandLineParser类,用于简化命令行参数的输入与管理。通过构造函数解析参数并提供便捷的方法来获取和设置变量。

OpenCV中CommandLineParser类

OpenCV中CommandLineParse类主要是命令行解析类。

OpenCV中出现此类的主要目:方便用户在命令行使用过程中减少工作量。具体使用方式如下:

1)在main函数中定义一个常量字符串变量如下:

const string keys =
    "{help           |                    | print this message}"
    "{pos_path       |       pos_path     | path to training object samples}"
    "{bg_path        |       neg—path    | path to background images}"
     ...
    "{weak_count     |        100         | number of weak classifiers in cascade}"
    "{model_filename |     model.xml      | filename for saving model}"
    ;

2)定义CommandLineParser类对象parser,并调用其构造函数对其进行初始化。

CommandLineParser parser(argc, argv, keys);

下面是CommandLinParser构造函数

CommandLineParser::CommandLineParser(int argc, const char* const argv[], const String& keys)
{
    impl = new Impl;
    impl->refcount = 1;

    // 应用路径
    size_t pos_s = String(argv[0]).find_last_of("/\\");
    if (pos_s == String::npos)
    {
        impl->path_to_app = "";
        impl->app_name = String(argv[0]);
    }
    else
    {
        impl->path_to_app = String(argv[0]).substr(0, pos_s);
        impl->app_name = String(argv[0]).substr(pos_s + 1, String(argv[0]).length() - pos_s);
    }

    impl->error = false;
    impl->error_message = "";

    // 解析参数key 
    std::vector<String> k = impl->split_range_string(keys, '{', '}');

    int jj = 0;
    for (size_t i = 0; i < k.size(); i++)
    {
        std::vector<String> l = impl->split_string(k[i], '|', true);
        CommandLineParserParams p;
        p.keys = impl->split_string(l[0]);
        p.def_value = l[1];
        p.help_message = cat_string(l[2]);
        p.number = -1;
        if (p.keys.size() <= 0)
        {
            impl->error = true;
            impl->error_message = "Field KEYS could not be empty\n";
        }
        else
        {
            if (p.keys[0][0] == '@')
            {
                p.number = jj;
                jj++;
            }

            impl->data.push_back(p);
        }
    }

    // 解析参数agrv
    jj = 0;
    for (int i = 1; i < argc; i++)
    {
        String s(argv[i]);
        bool hasSingleDash = s.length() > 1 && s[0] == '-';

        if (hasSingleDash)
        {
            bool hasDoubleDash = s.length() > 2 && s[1] == '-';
            String key = s.substr(hasDoubleDash ? 2 : 1);
            String value = "true";
            size_t equalsPos = key.find('=');

            if(equalsPos != String::npos) {
                value = key.substr(equalsPos + 1);
                key = key.substr(0, equalsPos);
            }
            impl->apply_params(key, value);
        }
        else
        {
            impl->apply_params(jj, s);
            jj++;
        }
    }

    impl->sort_params();
}

OpenCV中,当我们利用库中的算法训练某个模型时,运行相关可执行文件,首先让我们在命令行输入参数信息,传入所需要的参数,如果每次调用相同文件,都在命令行中输入相同参数,就会觉得比较费时和麻烦。于是,随着OpenCV版本升级,出现了CommandLineParser类,该类在一定程序上解决了上面的麻烦为了,为研究相关知识提供了一定的便利条件。

分析这个类的构造函数,发现,当我们不传入参数时,此时只利用keys变量中的相关参数进行初始化,故我们可以将运行过程中保持不变的相关参数信息写在keys中,从而运行时,不用每次都输入相同的参数,此时用我们在key中写入的参数即可。此外,如果调用时,想改变相关参数信息,只需按照一定的形式,传入相关的参数即可。因为在构造函数中命令行中传入的参数变量将覆盖利用keys中信息初始化的相关参数信息,于是便按照我们传入的参数执行。

3)在此类中获取某个变量的方法如下:

string pos_path = parser.get<string>("pos_path");
params.weak_count = parser.get<int>("weak_count");
...

此外,该类中还封装了很多的函数,如getByName(),getByIndex(),apply_params(),sort_params(),has(),check(),split_range_string(),split_string()等等,可直接它们来解析命令行参数。

故综上,OpenCV中的CommandLineParser类,方便了OpenCV中涉及到的命令行参数使用和解析。

参考文献:http://www.cnblogs.com/tornadomeet/archive/2012/04/15/2450505.html

以下是OpenCV库的所有(按字母顺序排序): - cv::Algorithm:OpenCV算法的基 - cv::BFMatcher:基于暴力匹配的特征匹配算法 - cv::BackgroundSubtractor:背景减法算法的基 - cv::CalibrateCRF:相机响应函数校准算法 - cv::CalibrateDebevec:Debevec反演算法 - cv::CalibrateRobertson:Robertson反演算法 - cv::CascadeClassifier:级联分器 - cv::CommandLineParser:命令行参数解析器 - cv::DescriptorMatcher:特征描述子匹配器的基 - cv::FastFeatureDetector:FAST特征检测器 - cv::FileNode:文件节点,用于读取和写入XML/YAML文件 - cv::FileStorage:文件存储,用于读取和写入XML/YAML文件 - cv::FlannBasedMatcher:基于FLANN的特征匹配算法 - cv::GFTTDetector:GFTT特征检测器 - cv::HOGDescriptor:HOG特征描述子 - cv::KAZE:KAZE特征检测器和描述子提取器 - cv::KeyPoint:关键点 - cv::MSER:MSER特征检测器 - cv::Mat:矩阵 - cv::MatOfByte:字节型矩阵 - cv::MatOfDMatch:特征匹配结果矩阵 - cv::MatOfFloat:单精度浮点型矩阵 - cv::MatOfFloat4:四元组单精度浮点型矩阵 - cv::MatOfInt:整型矩阵 - cv::MatOfKeyPoint:关键点矩阵 - cv::MatOfPoint:点矩阵 - cv::MatOfPoint2f:二维点矩阵 - cv::MatOfPoint3f:三维点矩阵 - cv::MatOfRect:矩形矩阵 - cv::MatOfRotatedRect:旋转矩形矩阵 - cv::MatOfUChar:无符号字符型矩阵 - cv::Mat_<T>:模板矩阵,用于存储T型的数据 - cv::ORB:ORB特征检测器和描述子提取器 - cv::PCA:主成分分析算法 - cv::RQDecomp3x3:QR分解算法 - cv::Rect:矩形 - cv::RotatedRect:旋转矩形 - cv::SimpleBlobDetector:简单的Blob检测器 - cv::StereoBM:基于块匹配的立体视觉算法 - cv::StereoSGBM:基于半全局匹配的立体视觉算法 - cv::TermCriteria:停止准则 - cv::Tracker:目标跟踪器的基 - cv::UMat:统一内存矩阵,用于在CPU和GPU之间共享数据 - cv::VideoCapture:视频捕获 - cv::VideoWriter:视频写入 - cv::VoronoiDiagramGenerator:Voronoi图生成器
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值