本文是一個小系列的第四篇，MCU部署OpenCV的“進階篇”，已經發表了“先跑篇”、"配置篇"和“實戰篇”稍后會陸續還有“優化篇”，帶您牽手OpenCV，進入OpenCV的廣闊世界。

上一期小編帶著大家簡單過了一下OpenCV的API的基本使用方法，并最終在MCU上實際跑了下。相信大家看的一定不是很過癮，本期小編將和大家一起完全從0開始構建一個基于MCUXPresso的OpenCV測試工程，并部署到MCU上。

提到這兒，可能有朋友會提出質疑：上期不是說過了，基于HelloWorld例程，把那5個可愛的庫一股腦放進去就可以了嗎？

可能事情并不是這么簡單喲！不然，小編可就有湊字+湊篇幅的嫌疑了啊。還請聽小編娓娓道來。

我們知道OpenCV是基于C++編寫的項目，而我們所常用的Hello_World例程實際上是一個C工程。這樣一來，原生的Hello_World的C工程是無法兼容，所編譯出的OpenCV庫工程的，或者說，工程本身不能支持構建C++工程。

因此，在開始部署之前，要針對性地對工程本身進行一些小小的改造，以添加對于C++的支持。

具體步驟如下：

一 所謂站在巨人的肩膀看得遠，先做一些準備工作：

1. SDK代碼包：2.11.0 for i.MX RT1170

2. MCUXPresso IDE：11.5.0

3. 選取參考例程：SDK_rootoardsevkmimxrt1170demo_appshello_world_demo_cm7

4. 準備好5個靜態庫：libopencv_world, libopenjp2, libjpeg-turbo, libpng, zlib

二通過Quickstart Panel導入hello world例程：

三犀利的操作：添加C++支持，找到工程目錄下的.project文件，并添加：

修改好之后，使用MCUXPresso IDE重新打開工程即可開啟C++屬性。

四此時的C++工程屬性還是空的，首先是針對MCU C++ Compiler的配置，包括頭文件以及預編譯符號的添加：

頭文件路徑如下：

"${workspace_loc:/${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_pathopencvuild"
" your_cv_path opencvinclude"
" your_cv_path opencvmodulescoreinclude"
" your_cv_path opencvmodulesimgcodecsinclude"
" your_cv_path opencvmodulesimgprocinclude"
" your_cv_path opencvmodulesworldinclude"
" your_cv_path opencvmoduleshighguiinclude"
" your_cv_path opencvmodulesfeatures2dinclude"
" your_cv_path opencvmodulesmlinclude"
" your_cv_path opencvmodulesvideoinclude"

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

接下來是MCU C++ Linker的配置，包括所引用的庫名字以及庫搜索路徑：

要注意，庫的搜索路徑就是存放上面那5個庫的位置。

五 開啟C++編程模式，問：C文件切換成C++文件需要幾步？答：只需一步！重命名hello_world.c->hello_world.cc即可。內容可以保存不變。

六導入測試數據，包括壓縮格式（jpeg，PNG）或是其他未經壓縮的原始數據。

考慮到MCU平臺一般沒有片上的文件系統，或者說沒有集成文件系統。那么我們的測試數據就要以RO data的形式直接集成到鏡像中。

為了實現這一需求，介紹給大家一個很好用的匯編指令：.incbin，顧名思義，指令本身就好像在隱隱地告訴我們，我就是用來include bin文件的，快點用我。

既然是匯編指令，就要新建一個匯編文件到我們的工程中。新建匯編文件放到哪里，沒有特殊要求，但是最好放到和hello_world.cc文件同一級目錄下：

添枝加葉：

.global img_start
.global img_end

img_start:
 .incbin "data/lena.jpg"
img_end:

具體測試圖片的名字可以任意指定，只不過要注意一點。如果想要使用相對路徑的話，要保證存儲圖片的位置要和hello_world.cc的位置一致。

要注意，因為我們已經切換到了C++編程模式，就要順著C++的脾氣來。

比較重要的一條是：如果不想重命名hello_world.c，說：我就看.c尾綴舒服。沒問題，但是請不要忘了，在聲明函數的時候，不要忘了用extern “C”來修飾。否則，會有千千萬萬個link error向你撲面而來。

接下來開始正式編寫測試代碼：

一包含頭文件，你只需要一行即可，如此和諧友善：

#include "opencv2opencv.hpp"

二OpenCV使用cv::Mat來表征數據，首先我們要聲明并初始化cv::Mat實例。

extern uint8_t img_start[];
extern uint8_t img_end[];
#define IMG_LEN (img_end - img_start)
// compressed data
std::vector data(img_start, img_start + IMG_LEN);
cv::Mat img = 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);

三尋找物體輪廓并畫出：

vector> contours;
vector 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));

四接下來是一個更加復雜的任務，尋找矩形：

參考代碼如下：

// returns sequence of squares detected on the image.
static void findSquares( const Mat& image, vector >& 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 > 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 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);
                }
            }
        }
    }
}

五編碼圖像，這里我們選擇利用調試器將編碼后的數據從內存download到我們的PC上。關于如何在MCUXPress中進行數據保存的操作，在上一篇文章中已有介紹。

std::vector decoded_img;
cv::imencode(".jpeg", img, decoded_img);
uchar *data = decoded_img.data();

不過，這里有個小坑要提醒給大家，在傳遞編碼格式時候，請不要忘記那個人見人愛的句點“.” 。也就是說，編碼格式要寫成.jpeg而不是jpeg。小編可是在這上面吃過虧的。

至此，本期小編就給大家介紹了如何從0開始新建一個MCUXPresso工程，并編寫OpenCV測試代碼進行測試。感興趣的小伙伴們快動起手來吧！