本文是一个小系列的第四篇，MCU部署OpenCV的“进阶篇”，已经发表了“先跑篇”、"配置篇"和“实战篇”稍后会陆续还有“优化篇”，带您牵手OpenCV，进入OpenCV的广阔世界。
上一期小编带着大家简单过了一下OpenCV的API的基本使用方法，并最终在MCU上实际跑了下。相信大家看的一定不是很过瘾，本期小编将和大家一起完全从0开始构建一个基于MCUXPresso的OpenCV测试工程，并部署到MCU上。
提到这儿，可能有朋友会提出质疑：上期不是说过了，基于HelloWorld例程，把那5个可爱的库一股脑放进去就可以了吗？
可能事情并不是这么简单哟！不然，小编可就有凑字+凑篇幅的嫌疑了啊。还请听小编娓娓道来。
我们知道OpenCV是基于C++编写的项目，而我们所常用的Hello_World例程实际上是一个C工程。这样一来，原生的Hello_World的C工程是无法兼容，所编译出的OpenCV库工程的，或者说，工程本身不能支持构建C++工程。
因此，在开始部署之前，要针对性地对工程本身进行一些小小的改造，以添加对于C++的支持。
具体步骤如下：
㊀ 所谓站在巨人的肩膀看得远，先做一些准备工作：
SDK代码包：2.11.0 for i.MX RT1170
MCUXPresso IDE：11.5.0
选取参考例程：SDK_root\boards\evkmimxrt1170\demo_apps\hello_world_demo_cm7
准备好5个静态库：libopencv_world, libopenjp2, libjpeg-turbo, libpng, zlib
㊁通过Quickstart Panel导入hello world例程：
㊂犀利的操作：添加C++支持，找到工程目录下的.project文件，并添加：
修改好之后，使用MCUXPresso IDE重新打开工程即可开启C++属性。
㊃此时的C++工程属性还是空的，首先是针对MCU C++ Compiler的配置，包括头文件以及预编译符号的添加：
头文件路径如下：
"${workspace_loc:/${ProjName}/drivers}"
"${workspace_loc:/${ProjName}/board}"
"${workspace_loc:/${ProjName}/source}"
"${workspace_loc:/${ProjName}/utilities}"
"${workspace_loc:/${ProjName}/drivers}"
"${workspace_loc:/${ProjName}/device}"
"${workspace_loc:/${ProjName}/component/uart}"
"${workspace_loc:/${ProjName}/component/lists}"
"${workspace_loc:/${ProjName}/startup}"
"${workspace_loc:/${ProjName}/xip}"
"${workspace_loc:/${ProjName}/CMSIS}"
"${workspace_loc:/${ProjName}/utilities}"
"${workspace_loc:/${ProjName}/device}"
"your_cv_path\opencv\build"
" your_cv_path \opencv\include"
" your_cv_path \opencv\modules\core\include"
" your_cv_path \opencv\modules\imgcodecs\include"
" your_cv_path \opencv\modules\imgproc\include"
" your_cv_path \opencv\modules\world\include"
" your_cv_path \opencv\modules\highgui\include"
" your_cv_path \opencv\modules\features2d\include"
" your_cv_path \opencv\modules\ml\include"
" your_cv_path \opencv\modules\video\include"OPENCV_DISABLE_THREAD_SUPPORT=1
__NEWLIB__
CPU_MIMXRT1176DVMAA
CPU_MIMXRT1176DVMAA_cm7
XIP_BOOT_HEADER_DCD_ENABLE=1
USE_SDRAM
DATA_SECTION_IS_CACHEABLE=1
SDK_DEBUGCONSOLE=1
XIP_EXTERNAL_FLASH=1
XIP_BOOT_HEADER_ENABLE=1
PRINTF_FLOAT_ENABLE=0
SCANF_FLOAT_ENABLE=0
PRINTF_ADVANCED_ENABLE=0
SCANF_ADVANCED_ENABLE=0
FSL_SDK_DRIVER_QUICK_ACCESS_ENABLE=1
MCUXPRESSO_SDK
CR_INTEGER_PRINTF
__MCUXPRESSO
__USE_CMSIS
DEBUG接下来是MCU C++ Linker的配置，包括所引用的库名字以及库搜索路径：
要注意，库的搜索路径就是存放上面那5个库的位置。
㊄ 开启C++编程模式，问：C文件切换成C++文件需要几步？答：只需一步！重命名hello_world.c->hello_world.cc即可。内容可以保存不变。
㊅导入测试数据，包括压缩格式（jpeg，PNG）或是其他未经压缩的原始数据。
考虑到MCU平台一般没有片上的文件系统，或者说没有集成文件系统。那么我们的测试数据就要以RO data的形式直接集成到镜像中。
为了实现这一需求，介绍给大家一个很好用的汇编指令：.incbin，顾名思义，指令本身就好像在隐隐地告诉我们，我就是用来include bin文件的，快点用我。
既然是汇编指令，就要新建一个汇编文件到我们的工程中。新建汇编文件放到哪里，没有特殊要求，但是最好放到和hello_world.cc文件同一级目录下：
添枝加叶：
.global img_start
.global img_end
img_start:
.incbin "data/lena.jpg"
img_end:具体测试图片的名字可以任意指定，只不过要注意一点。如果想要使用相对路径的话，要保证存储图片的位置要和hello_world.cc的位置一致。
要注意，因为我们已经切换到了C++编程模式，就要顺着C++的脾气来。
比较重要的一条是：如果不想重命名hello_world.c，说：我就看.c尾缀舒服。没问题，但是请不要忘了，在声明函数的时候，不要忘了用extern “C”来修饰。否则，会有千千万万个link error向你扑面而来。
接下来开始正式编写测试代码：
㊀包含头文件，你只需要一行即可，如此和谐友善：
#include "opencv2\opencv.hpp"㊁OpenCV使用cv::Mat来表征数据，首先我们要声明并初始化cv::Mat实例。
extern uint8_t img_start[];
extern uint8_t img_end[];
#define IMG_LEN (img_end - img_start)
// compressed data
std::vector<char> data(img_start, img_start + IMG_LEN);
cv::Mat img = cv::imdecode(cv::Mat(data), IMREAD_UNCHANGED);
// raw data, need to aware the shape, and also the depth, such as rgb == CV_8UC3, equal to
// each pixel has 3 items, and each item is 8bits
Mat img(Size(480, 360), CV_8UC3);
memcpy(img.data, img_start, IMG_LEN);㊂寻找物体轮廓并画出：
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(dst, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
// To display the contours
Mat resultImage = Mat ::zeros(dst.size(),CV_8U);
drawContours(resultImage, contours, -1, Scalar(255, 0, 255));
㊃接下来是一个更加复杂的任务，寻找矩形：
参考代码如下：
// returns sequence of squares detected on the image.
static void findSquares( const Mat image, vector<vector<Point> > squares )
{
squares.clear();
Mat pyr, timg, gray0(image.size(), CV_8U), gray;
// down-scale and upscale the image to filter out the noise
pyrDown(image, pyr, Size(image.cols/2, image.rows/2));
pyrUp(pyr, timg, image.size());
vector<vector<Point> > contours;
for( int c = 0; c < 3; c++ )
{
int ch[] = {c, 0};
mixChannels(timg, 1, gray0, 1, ch, 1);
// try several threshold levels
for( int l = 0; l < N; l++ )
{
if( l == 0 )
{
Canny(gray0, gray, 0, thresh, 5);
dilate(gray, gray, Mat(), Point(-1,-1));
}
else
{
gray = gray0 >= (l+1)*255/N;
}
findContours(gray, contours, RETR_LIST, CHAIN_APPROX_SIMPLE);
vector<Point> approx;
// test each contour
for( size_t i = 0; i < contours.size(); i++ )
{
// approximate contour with accuracy proportional to the contour perimeter
approxPolyDP(contours[i], approx, arcLength(contours[i], true)*0.02, true);
// square contours should have 4 vertices after approximation
if( approx.size() == 4
fabs(contourArea(approx)) > 1000
isContourConvex(approx) )
{
double maxCosine = 0;
for( int j = 2; j < 5; j++ )
{
// find the maximum cosine of the angle between joint edges
double cosine = fabs(angle(approx[j%4], approx[j-2], approx[j-1]));
maxCosine = MAX(maxCosine, cosine);
}
if( maxCosine < 0.3 )
squares.push_back(approx);
}
}
}
}
}㊄编码图像，这里我们选择利用调试器将编码后的数据从内存download到我们的PC上。关于如何在MCUXPress中进行数据保存的操作，在上一篇文章中已有介绍。
std::vector<uchar> decoded_img;
cv::imencode(".jpeg", img, decoded_img);
uchar *data = decoded_img.data();不过，这里有个小坑要提醒给大家，在传递编码格式时候，请不要忘记那个人见人爱的句点“.” 。也就是说，编码格式要写成.jpeg而不是jpeg。小编可是在这上面吃过亏的。
至此，本期小编就给大家介绍了如何从0开始新建一个MCUXPresso工程，并编写OpenCV测试代码进行测试。感兴趣的小伙伴们快动起手来吧！
恩智浦MCU加油站
这是由恩智浦官方运营的公众号，着重为您推荐恩智浦MCU的产品信息、开发技巧、教程文档、培训课程等内容。
长按二维码，关注我们
END
更多恩智浦AI-IoT市场和产品信息，邀您同时关注“NXP客栈”微信公众号
NXP客栈
恩智浦致力于打造安全的连接和基础设施解决方案，为智慧生活保驾护航。
长按二维码，关注我们
