前言

从事图像处理，计算机视觉编程的对opencv一定很熟悉，opencv就不用介绍了，opencv源码采用C++编写，底层为了加速还使用了CUDA C++，并行加速语言opencl。 一般使用C++的开发opencv大多使用宇宙第一IDE——Visual Studio (windows), Linux上使用Clion,Qt等。笔者今天介绍一个基于windows+visual studio下的opencv调试神奇——Image watch插件。

目前Image watch还没有Java版本的，欢迎各路大神开发插件

开发环境

• windows10 64bit
• visual studio 2017 (version 15.8.2)
• opencv 3.4.0
• Image watch插件

介绍

Image watch 插件

• 下载地址
  在微软官网即可下载，没必要买积分在csdn下载哦。 下载链接在上面已经贴出来了。
  

  图片.png

• 用途
  可以在调试过程中查看opencv中Mat对象的内容，可视化功能强大。 最新的Image watch插件还可以查看 cv::Mat_<>,CvMat,_lplImage对象的内容。
  注意:使用opencv dnn深度学习使用，Mat blobMat = blobFromImage(Image), 这个Mat对象是4维的张量，是不能直接用这个插件看内容的

图片.png

• 注意事项
  安装之前，请查看自己visual Studio的具体版本信息。有的版本的vs可能出问题，别慌。

  
  
  图片.png

图片.png

测试

• 配置好opencv(版本大于3.2.0)
• 准备2张图像，一个灰度图像，一个rgb彩色图像

测试代码

#include<iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/dnn.hpp>

using std::cout;

using cv::String;
using cv::Mat;
using cv::Mat_;
using cv::imread;
using cv::ImreadModes;
using cv::imshow;
using cv::waitKey;
using cv::dnn::blobFromImage;

int main() {

    //灰度图
    Mat var1 = imread("F:\\lena\\lena_gray.jpg", ImreadModes::IMREAD_GRAYSCALE);

    //BGR三通道
    Mat var2 = imread("F:\\lena\\lena_rgb.jpg", ImreadModes::IMREAD_COLOR);

    //单通道float
    Mat_<float> var3 = imread("F:\\lena\\lena_gray.jpg", ImreadModes::IMREAD_GRAYSCALE);

    //4D张量
    Mat var4 = blobFromImage(var2);

    cout << "测试opencv Image watch插件";
    waitKey(0);
}

代码很简单，注意

• ImreadModes是一个枚举，IMREAD_GRAYSCALE说明读取灰度图像。IMREAD_COLOR为彩色图像（BGR顺序）。
• Mat_<float>是一个模板类，数据为浮点类型。
• blobFromImage()函数是cv::dnn中的函数。返回的Mat是4维张量(NCHW)。

测试结果

1. 首先，Image watch插件是在 视图->其他窗口中。可以将插件固定在vs上，也可悬浮。
   

   图片.png

2. 需要在加端点的时候调试

   
   
   图片.png

3. 灰度图像的可视化

   
   
   图片.png

4. 鼠标滚轮可以放大缩小，查看具体像素的值

   
   
   图片.png

5. BGR彩色图像可视化

   
   
   图片.png

注意，BGR顺序

图片.png

6. 浮点类型Mat可视化

   
   
   图片.png

7. 4维张量可视化
   Image watch是无法直接可视化4D的高维矩阵的。
   

   图片.png

深入了解一个4维张量
在Mat对象中，有一个成员变量(属性)size, 类型是MatSize,MatSize是一个结构体，包含一个指针p用于存储张量在各个维度的大小

图片.png

图片.png

无法直接看到4维张量在不同维度的大小，显示1x-1x-1。为此我们只能查看内存。

鼠标点击右键，快速监视

图片.png

输入要查看的变量，以及个数。这里我们看出p指针的4个单元，发现是 1，3，512，512。 也就是说张量为1x3x512x512

图片.png

End

本次笔者主要探索了Image watch插件的功能，以及了解深度学习dnn的4维张量。 感谢甜心对我的支持，fighting !