Qt中利用opencv处理视频然后显示

lumanman_ 2015-04-03 11:43:40
我在做视频中车辆的检测，然后需要做一个界面。我希望读取一帧视频，检测之后在Qt界面中把检测结果显示出来，另外我在Qt界面中设置了停止stop和暂停Pause按钮，我希望按下按钮之后，就可以停止或暂停检测。我用的是while循环，读取一帧图像，检测，然后显示，这样处理完一帧图像之后，希望检测Qt界面中的按键信息，得用return a.exec（），但这样就进入了消息检测的循环，我便不能再读取下一帧图像并检测了。反正就是不能做到一边检测视频，一边又接收Qt界面中的按键消息。刚接触Qt，真搞不懂，希望有经验的“前辈们”能指点迷津，多谢啦！
...全文
893 10 打赏 收藏 转发到动态 举报
写回复
用AI写文章
10 条回复
切换为时间正序
请发表友善的回复…
发表回复
要外卖吗 2019-03-28
  • 打赏
  • 举报
 回复
[align=center][align=right]
[/align][/align]
♂♂ 2018-12-07
  • 打赏
  • 举报
 回复
引用 6 楼 lumanman_ 的回复:
我是做视频中的车辆检测，那你的意思就是建议用多线程啦，那开的线程的多少应该跟电脑的硬件资源没关系吧？还有就是我在一个线程中完成检测之后应该会有信号传给Qt界面让界面刷新吧？就是用线程之间的通信机制吗？我必须得确认是有信号的。
我也是用while的循环在qt实时显示了图片，但后续没办法点击其他按钮，后续的图像处理算法，没办法调用。如果解决了，希望可以指导一下。
♂♂ 2018-12-07
  • 打赏
  • 举报
 回复
引用 7 楼 gwczxrt 的回复:
我正在做的是qt中对视频图像实时的异常检测 跟楼主很像，我想问下楼主后来的思路是什么呢？能告诉我吗？
我也是用while的循环在qt实时显示了图片，但后续没办法点击其他按钮，后续的图像处理算法，没办法调用。如果解决了，希望可以指导一下。
gwczxrt 2015-11-07
  • 打赏
  • 举报
 回复
我正在做的是qt中对视频图像实时的异常检测 跟楼主很像，我想问下楼主后来的思路是什么呢？能告诉我吗？
lumanman_ 2015-04-07
  • 打赏
  • 举报
 回复
可不可以不用多线程啊？还有其它更轻松的办法吗？我是新手，对这些真不懂，觉得多线程好像挺难的。
lumanman_ 2015-04-07
  • 打赏
  • 举报
 回复
我是做视频中的车辆检测，那你的意思就是建议用多线程啦，那开的线程的多少应该跟电脑的硬件资源没关系吧？还有就是我在一个线程中完成检测之后应该会有信号传给Qt界面让界面刷新吧？就是用线程之间的通信机制吗？我必须得确认是有信号的。
lx624909677 2015-04-07
  • 打赏
  • 举报
 回复
你所说的定时器，也都是别人封装多的多线程，之前我用VC写的读取视频流然后进行人脸识别，直接开2个线程处理都感觉慢，要是全放一起，那一定更慢了
lumanman_ 2015-04-07
  • 打赏
  • 举报
 回复
那要是我不用那些“高端的”暂停啊，停止啊，我现在就是简简单单的读取一帧图像，然后处理并显示，可是在显示完前一帧图像之后，我不知道该如何告知界面继续显示下一帧图像、让界面刷新，我看很多摄像头采集图像的都用的是定时器，可是我采集之后还要处理，这个处理的时间是不定的，而且我需要的是摄像头采集图像实时处理并显示，所以不能说把定时器的时间设置的长一些。就是这个视频帧处理完之后通知界面刷新的信号如何来？希望有好主意的大侠们帮帮我，多谢啦！
赵4老师 2015-04-07
  • 打赏
  • 举报
 回复
试试多进程。 《Unix编程艺术》
likfeng 2015-04-05
  • 打赏
  • 举报
 回复
利用多线程来处理吧
Qt+OpenCV(4.x)完成人脸检测并绘制马赛克(摄像头实时数据)-源码.zip
OpenCV版本: 4.3.0 编译器: MSVC X64 Qt版本: 5.12.6 马赛克是一种简单而有效的隐私保护技术，可以在保护个人隐私的同时提供实时的人脸检测和识别功能。通过该项目，可以利用摄像头采集的视频流进行人脸打码，确保敏感信息的安全性和隐私保护。 项目包含三个线程，主要功能如下： （1）主UI线程：负责刷新界面并显示人脸打码后的结果。主线程与其他两个线程进行通信，接收来自OpenCV图像处理线程的打码结果，并将其显示在界面上。 （2）摄像头采集线程：该线程用于采集摄像头的画面。它读取视频流并传递给OpenCV图像处理线程进行人脸识别和打码处理。 （3）OpenCV图像处理线程：该线程利用OpenCV库进行人脸检测和打码。它从摄像头采集线程接收到的视频帧中提取人脸区域，然后将区域绘制为马赛克或者采用其他方式打码。最后，将打码结果传递给主UI线程进行显示。 该项目基于Qt和OpenCV的跨平台特性，可以在不同的操作系统上运行。
基于Qt和Opencv的跨平台全景媒体工具软件.zip
OpenCV（Open Source Computer Vision Library）是一款开源的计算机视觉库，专门为图像和视频处理任务设计，广泛应用于学术研究、工业应用以及个人项目中。以下是关于OpenCV的详细介绍： 历史与发展 起源：OpenCV于1999年由英特尔公司发起，旨在促进计算机视觉技术的普及和商业化应用。该项目旨在创建一个易于使用、高效且跨平台的库，为开发者提供实现计算机视觉算法所需的基础工具。 社区与支持：随着时间的推移，OpenCV吸引了全球众多开发者和研究人员的参与，形成了活跃的社区。目前，OpenCV由非盈利组织OpenCV.org维护，并得到了全球开发者、研究机构以及企业的持续贡献和支持。 主要特点 跨平台：OpenCV支持多种操作系统，包括但不限于Windows、Linux、macOS、Android和iOS，确保代码能够在不同平台上无缝运行。 丰富的功能：库中包含了数千个优化过的函数，涵盖了计算机视觉领域的诸多方面，如图像处理（滤波、形态学操作、色彩空间转换等）、特征检测与描述（如SIFT、SURF、ORB等）、物体识别与检测（如Haar级联分类器、HOG、DNN等）、视频分析、相机校正、立体视觉、机器学习（SVM、KNN、决策树等）、深度学习（基于TensorFlow、PyTorch后端的模型加载与部署）等。 高效性能：OpenCV代码经过高度优化，能够利用多核CPU、GPU以及特定硬件加速（如Intel IPP、OpenCL等），实现高速图像处理和实时计算机视觉应用。 多语言支持：尽管OpenCV主要使用C++编写，但它提供了丰富的API绑定，支持包括C、Python、Java、MATLAB、JavaScript等多种编程语言，方便不同领域的开发者使用。 开源与免费：OpenCV遵循BSD开源许可证发布，用户可以免费下载、使用、修改和分发库及其源代码，无需担心版权问题。 架构与核心模块 OpenCV的架构围绕核心模块构建，这些模块提供了不同层次的功能： Core：包含基本的数据结构（如cv::Mat用于图像存储和操作）、基本的图像和矩阵操作、数学函数、文件I/O等底层功能。 ImgProc：提供图像预处理、滤波、几何变换、形态学操作、直方图计算、轮廓发现与分析等图像处理功能。 HighGui：提供图形用户界面（GUI）支持，如图像和视频的显示、用户交互（如鼠标事件处理）以及简单的窗口管理。 VideoIO：负责视频的读写操作，支持多种视频格式和捕获设备。 Objdetect：包含预训练的对象检测模型（如Haar级联分类器用于人脸检测）。 Features2D：提供特征点检测（如SIFT、ORB）与描述符计算、特征匹配与对应关系估计等功能。 Calib3d：用于相机标定、立体视觉、多视图几何等问题。 ML：包含传统机器学习算法，如支持向量机（SVM）、K近邻（KNN）、决策树等。 DNN：深度神经网络模块，支持导入和运行预训练的深度学习模型，如卷积神经网络（CNN）。 应用领域 OpenCV广泛应用于： 科研与教育：作为计算机视觉教学和研究的基础工具，OpenCV简化了算法原型开发与验证过程。 工业自动化：在视觉检测、机器人导航、产品质量控制等工业场景中，OpenCV用于实时图像分析与决策。 安防监控：用于人脸识别、行人检测、行为分析等智能监控系统。 医疗影像分析：在医疗领域，OpenCV可用于医学图像处理、病灶检测、诊断辅助等应用。 自动驾驶：在车辆视觉感知系统中，OpenCV用于道路标志识别、障碍物检测、车道线识别等任务。 多媒体应用：如图像编辑软件、AR/VR应用、游戏开发等，利用OpenCV进行图像和视频处理。 物联网与嵌入式系统：在资源受限的嵌入式设备上，OpenCV提供轻量级的计算机视觉解决方案。 学习与社区资源 OpenCV拥有丰富的官方文档、教程、示例代码以及活跃的开发者社区，包括GitHub、StackOverflow、官方论坛等，为学习和使用OpenCV提供了有力支持。此外，有许多书籍、在线课程、博客文章和研讨会专门讲解OpenCV的使用和计算机视觉技术。 综上所述，OpenCV作为一款功能强大、高效、跨平台且开源的计算机视觉库，为开发者提供了实现各类图像和视频处理任务所需的工具箱，其广泛的应用领域和活跃的社区支持使之成为计算机视觉领域不可或缺的开发工具。
C++实战OpenCV3.2+QT5播放视频
OpenCV是目前视频处理的最流行的框架，广泛用于各类项目中，并且由于OpenCV的开源特性可以很容易移植到Android、IOS和嵌入式Linux中，QT5同样是跨平台界面库的第一选择。本次公开课将基于OpenCV3.2和QT5，详细讲解如下内容：第一部分将讲解并分析OpenCV的视频处理接口；第二部分将讲解QT5如何使用OpenGL高效的绘制图像；第三部分将讲解如何将OpenCV与QT5结合通过本次公开课，让学员能对OpenCV的编程和QT5的界面编程有个总体的认识，为后续继续学习奠定基础。（1）OpenCV3.2视频接口详解？（2）OpenCV3.2 Mat图像结构详解（3）QT5自定义Widget（4）QT5基于OpenGL绘制图像（5）QT5月OpenCV3.2结合播放视频
基于Qt设计的人脸检测系统(OpenCV3.4.7+MinGW-32位).zip
源码包含完整的库文件，不需要自己配置路径，下载之后放在英文路径下打开工程，编译，运行即可。（记得拷贝OpenCV的运行库到生成的exe目录下） 运行的操作系统: windows系统--- win10 OpenCV版本: 3.4.7 我用的Qt版本是:5.12.6 编译器是MinGW-32位 项目目标是设计一个简单易用功能强大的人脸检测系统，可以实时从摄像头采集视频，并对视频中的人脸进行准确的检测和框选。通过使用OpenCV提供的人脸检测器模型和图像处理算法，能够快速而有效地检测出摄像头画面中的人脸。 为了提高系统效率和响应速度，项目采用了多线程的架构。其中，主UI线程负责刷新界面和显示人脸识别结果，使用户可以实时观察到人脸检测的效果。摄像头采集线程通过调用OpenCV的摄像头接口从摄像头捕获视频帧，并实时传递给图像处理线程。而图像处理线程利用OpenCV提供的人脸检测器模型和绘图工具，对视频帧进行人脸检测和框选操作。 这个人脸检测系统有广泛的应用前景。可以在安防领域用于自动监控、入侵检测、人员识别等；在人机交互领域，可以作为人脸解锁、表情识别、姿态跟踪等功能的基础.
基于opencv C++ QT版音乐播放器.zip
可以实现基本的音乐播放操作，加入百度手势识别API控制音乐播放 OpenCV（Open Source Computer Vision Library）是一款开源的计算机视觉库，专门为图像和视频处理任务设计，广泛应用于学术研究、工业应用以及个人项目中。以下是关于OpenCV的详细介绍： 历史与发展 起源：OpenCV于1999年由英特尔公司发起，旨在促进计算机视觉技术的普及和商业化应用。该项目旨在创建一个易于使用、高效且跨平台的库，为开发者提供实现计算机视觉算法所需的基础工具。 社区与支持：随着时间的推移，OpenCV吸引了全球众多开发者和研究人员的参与，形成了活跃的社区。目前，OpenCV由非盈利组织OpenCV.org维护，并得到了全球开发者、研究机构以及企业的持续贡献和支持。 主要特点 跨平台：OpenCV支持多种操作系统，包括但不限于Windows、Linux、macOS、Android和iOS，确保代码能够在不同平台上无缝运行。 丰富的功能：库中包含了数千个优化过的函数，涵盖了计算机视觉领域的诸多方面，如图像处理（滤波、形态学操作、色彩空间转换等）、特征检测与描述（如SIFT、SURF、ORB等）、物体识别与检测（如Haar级联分类器、HOG、DNN等）、视频分析、相机校正、立体视觉、机器学习（SVM、KNN、决策树等）、深度学习（基于TensorFlow、PyTorch后端的模型加载与部署）等。 高效性能：OpenCV代码经过高度优化，能够利用多核CPU、GPU以及特定硬件加速（如Intel IPP、OpenCL等），实现高速图像处理和实时计算机视觉应用。 多语言支持：尽管OpenCV主要使用C++编写，但它提供了丰富的API绑定，支持包括C、Python、Java、MATLAB、JavaScript等多种编程语言，方便不同领域的开发者使用。 开源与免费：OpenCV遵循BSD开源许可证发布，用户可以免费下载、使用、修改和分发库及其源代码，无需担心版权问题。 架构与核心模块 OpenCV的架构围绕核心模块构建，这些模块提供了不同层次的功能： Core：包含基本的数据结构（如cv::Mat用于图像存储和操作）、基本的图像和矩阵操作、数学函数、文件I/O等底层功能。 ImgProc：提供图像预处理、滤波、几何变换、形态学操作、直方图计算、轮廓发现与分析等图像处理功能。 HighGui：提供图形用户界面（GUI）支持，如图像和视频的显示、用户交互（如鼠标事件处理）以及简单的窗口管理。 VideoIO：负责视频的读写操作，支持多种视频格式和捕获设备。 Objdetect：包含预训练的对象检测模型（如Haar级联分类器用于人脸检测）。 Features2D：提供特征点检测（如SIFT、ORB）与描述符计算、特征匹配与对应关系估计等功能。 Calib3d：用于相机标定、立体视觉、多视图几何等问题。 ML：包含传统机器学习算法，如支持向量机（SVM）、K近邻（KNN）、决策树等。 DNN：深度神经网络模块，支持导入和运行预训练的深度学习模型，如卷积神经网络（CNN）。 应用领域 OpenCV广泛应用于： 科研与教育：作为计算机视觉教学和研究的基础工具，OpenCV简化了算法原型开发与验证过程。 工业自动化：在视觉检测、机器人导航、产品质量控制等工业场景中，OpenCV用于实时图像分析与决策。 安防监控：用于人脸识别、行人检测、行为分析等智能监控系统。 医疗影像分析：在医疗领域，OpenCV可用于医学图像处理、病灶检测、诊断辅助等应用。 自动驾驶：在车辆视觉感知系统中，OpenCV用于道路标志识别、障碍物检测、车道线识别等任务。 多媒体应用：如图像编辑软件、AR/VR应用、游戏开发等，利用OpenCV进行图像和视频处理。 物联网与嵌入式系统：在资源受限的嵌入式设备上，OpenCV提供轻量级的计算机视觉解决方案。 学习与社区资源 OpenCV拥有丰富的官方文档、教程、示例代码以及活跃的开发者社区，包括GitHub、StackOverflow、官方论坛等，为学习和使用OpenCV提供了有力支持。此外，有许多书籍、在线课程、博客文章和研讨会专门讲解OpenCV的使用和计算机视觉技术。 综上所述，OpenCV作为一款功能强大、高效、跨平台且开源的计算机视觉库，为开发者提供了实现各类图像和视频处理任务所需的工具箱，其广泛的应用领域和活跃的社区支持使之成为计算机视觉领域不可或缺的开发工具。
界面

15,979

社区成员

115,897

社区内容

发帖
与我相关
我的任务
社区描述
VC/MFC 界面
社区管理员
  • 界面
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章