安徽网站排名,wordpress幻灯片不动,成都建站哪家好,做网站学的是代码吗返回#xff1a;OpenCV系列文章目录#xff08;持续更新中......#xff09; 上一篇#xff1a;如何利用OpenCV4.9离散傅里叶变换 下一篇: 目标 本文内容主要介绍#xff1a; 如何使用 YAML 或 XML 文件打印和读取文件和 OpenCV 的文本条目#xff1f;如何对 OpenCV … 返回OpenCV系列文章目录持续更新中...... 上一篇如何利用OpenCV4.9离散傅里叶变换 下一篇: 目标 本文内容主要介绍 如何使用 YAML 或 XML 文件打印和读取文件和 OpenCV 的文本条目如何对 OpenCV 数据结构做同样的事情如何为您的数据结构执行此操作使用 OpenCV 数据结构例如 cv::FileStorage , cv::FileNode or cv::FileNodeIterator . 源代码   需要源码的朋友可以前往官网下载 下面是一个示例代码说明如何实现目标列表中列举的所有内容。 #include opencv2/core.hpp #include iostream #include string using namespace cv; using namespace std; static void help(char** av) {cout endl av[0] shows the usage of the OpenCV serialization functionality. endl usage: endl av[0] outputfile.yml.gz endl The output file may be either XML (xml) or YAML (yml/yaml). You can even compress it by specifying this in its extension like xml.gz yaml.gz etc... endl With FileStorage you can serialize objects in OpenCV by using the and operators endl For example: - create a class and have it serialized endl - use it to read and write matrices. endl; } class MyData { public:MyData() : A(0), X(0), id(){}explicit MyData(int) : A(97), X(CV_PI), id(mydata1234) // explicit to avoid implicit conversion{}void write(FileStorage fs) const //Write serialization for this class{fs { A A X X id id };}void read(const FileNode node) //Read serialization for this class{A (int)node[A];X (double)node[X];id (string)node[id];} public: // Data Membersint A;double X;string id; }; //These write and read functions must be defined for the serialization in FileStorage to work static void write(FileStorage fs, const std::string, const MyData x) {x.write(fs); } static void read(const FileNode node, MyData x, const MyData default_value MyData()){if(node.empty())x default_value;elsex.read(node); } // This function will print our custom class to the console static ostream operator(ostream out, const MyData m) {out { id m.id , ;out X m.X , ;out A m.A };return out; } int main(int ac, char** av) {if (ac ! 2){help(av);return 1;} string filename av[1];{ //writeMat R Mat_uchar::eye(3, 3),T Mat_double::zeros(3, 1);MyData m(1); FileStorage fs(filename, FileStorage::WRITE);// or:// FileStorage fs;// fs.open(filename, FileStorage::WRITE); fs iterationNr 100;fs strings [; // text - string sequencefs image1.jpg Awesomeness ../data/baboon.jpg;fs ]; // close sequence fs Mapping; // text - mappingfs { One 1;fs Two 2 }; fs R R; // cv::Matfs T T; fs MyData m; // your own data structures fs.release(); // explicit closecout Write Done. endl;} {//readcout endl Reading: endl;FileStorage fs;fs.open(filename, FileStorage::READ); int itNr;//fs[iterationNr] itNr;itNr (int) fs[iterationNr];cout itNr;if (!fs.isOpened()){cerr Failed to open filename endl;help(av);return 1;} FileNode n fs[strings]; // Read string sequence - Get nodeif (n.type() ! FileNode::SEQ){cerr strings is not a sequence! FAIL endl;return 1;} FileNodeIterator it n.begin(), it_end n.end(); // Go through the nodefor (; it ! it_end; it)cout (string)*it endl; n fs[Mapping]; // Read mappings from a sequencecout Two (int)(n[Two]) ; ;cout One (int)(n[One]) endl endl; MyData m;Mat R, T; fs[R] R; // Read cv::Matfs[T] T;fs[MyData] m; // Read your own structure_ cout endl R R endl;cout T T endl endl;cout MyData endl m endl endl; //Show default behavior for non existing nodescout Attempt to read NonExisting (should initialize the data structure with its default).;fs[NonExisting] m;cout endl NonExisting endl m endl;} cout endl Tip: Open up filename with a text editor to see the serialized data. endl; return 0; } CPython from __future__ import print_function import numpy as np import cv2 as cv import sys def help(filename):print ({0} shows the usage of the OpenCV serialization functionality. \n\nusage:\npython3 {0} outputfile.yml.gz\n\nThe output file may be either in XML, YAML or JSON. You can even compress it\nby specifying this in its extension like xml.gz yaml.gz etc... With\nFileStorage you can serialize objects in OpenCV.\n\nFor example: - create a class and have it serialized\n- use it to read and write matrices.\n.format(filename)) class MyData:A 97X np.piname mydata1234 def __repr__(self):s { name self.name , X str(self.X)s s , A str(self.A) }return s def write(self, fs, name):fs.startWriteStruct(name, cv.FileNode_MAP|cv.FileNode_FLOW)fs.write(A, self.A)fs.write(X, self.X)fs.write(name, self.name)fs.endWriteStruct() def read(self, node):if (not node.empty()):self.A int(node.getNode(A).real())self.X node.getNode(X).real()self.name node.getNode(name).string()else:self.A self.X 0self.name def main(argv):if len(argv) ! 2:help(argv[0])exit(1) # write R np.eye(3,3)T np.zeros((3,1)) m MyData() filename argv[1] s cv.FileStorage(filename, cv.FileStorage_WRITE)# or:# s cv.FileStorage()# s.open(filename, cv.FileStorage_WRITE) s.write(iterationNr, 100) s.startWriteStruct(strings, cv.FileNode_SEQ)for elem in [image1.jpg, Awesomeness, ../data/baboon.jpg]:s.write(, elem)s.endWriteStruct() s.startWriteStruct(Mapping, cv.FileNode_MAP)s.write(One, 1)s.write(Two, 2)s.endWriteStruct() s.write(R_MAT, R)s.write(T_MAT, T) m.write(s, MyData) s.release() print (Write Done.) # readprint (\nReading: )s cv.FileStorage()s.open(filename, cv.FileStorage_READ) n s.getNode(iterationNr)itNr int(n.real()) print (itNr) if (not s.isOpened()):print (Failed to open , filename, filesys.stderr)help(argv[0])exit(1) n s.getNode(strings)if (not n.isSeq()):print (strings is not a sequence! FAIL, filesys.stderr)exit(1) for i in range(n.size()):print (n.at(i).string()) n s.getNode(Mapping)print (Two,int(n.getNode(Two).real()),; )print (One,int(n.getNode(One).real()),\n) R s.getNode(R_MAT).mat()T s.getNode(T_MAT).mat() m.read(s.getNode(MyData)) print (\nR ,R)print (T ,T,\n)print (MyData ,\n,m,\n) print (Attempt to read NonExisting (should initialize the data structure,with its default).)m.read(s.getNode(NonExisting))print (\nNonExisting ,\n,m) print (\nTip: Open up,filename,with a text editor to see the serialized data.) if __name__ __main__:main(sys.argv) 解释 这里我们只讨论 XML 和 YAML 文件输入。您的输出及其各自的输入文件可能只有这些扩展名之一并且结构来自此。它们是可以序列化的两种数据结构映射如 STL 映射和 Python 字典和元素序列如 STL 向量。它们之间的区别在于在地图中每个元素都有一个唯一的名称您可以通过访问它的内容。对于序列您需要遍历它们以查询特定项目。 XML/YAML 文件打开和关闭 在将任何内容写入此类文件之前您需要打开它最后关闭它。OpenCV 中的 XML/YAML 数据结构是 cvFileStorage 。要指定文件绑定到硬盘上的此结构您可以使用其构造函数或以下函数的 open 函数 C: FileStorage fs(filename, FileStorage::WRITE);// or:// FileStorage fs;// fs.open(filename, FileStorage::WRITE); Python:  s cv.FileStorage(filename, cv.FileStorage_WRITE)# or:# s cv.FileStorage()# s.open(filename, cv.FileStorage_WRITE) 您使用的第二个参数中的任何一个都是一个常量指定您可以对它们执行的操作类型WRITE、READ 或 APPEND。文件名中指定的扩展名还决定了将使用的输出格式。如果指定扩展名如 *.xml.gz*输出甚至可能会被压缩。 当 cv::FileStorage 对象被销毁时该文件将自动关闭。但是您可以使用 release 函数显式调用此函数 C: fs.release(); // explicit close Python: s.release() 文本和数字的输入和输出 在C中数据结构使用 STL 库中的输出运算符。在 Python 中改用 cvFileStoragewrite。要输出任何类型的数据结构我们首先需要指定其名称。我们只需将它的名称推送到 C 中的流即可做到这一点。在 Python 中写函数的第一个参数是名称。对于基本类型您可以按照以下值打印 C: fs iterationNr 100; Python: s.write(iterationNr, 100) 读入是一个简单的寻址通过 [] 运算符和强制转换操作或者通过 运算符读取。在 Python 中我们使用 getNode 进行寻址并使用 real  C: int itNr;//fs[iterationNr] itNr;itNr (int) fs[iterationNr]; Python: int itNr;//fs[iterationNr] itNr;itNr (int) fs[iterationNr]; OpenCV 数据结构的输入/输出 好吧它们的行为与基本的 C 和 Python 类型完全相同: c:  Mat R Mat_uchar::eye(3, 3),T Mat_double::zeros(3, 1);fs R R; // cv::Matfs T T;fs[R] R; // Read cv::Matfs[T] T; Python:  R np.eye(3,3)T np.zeros((3,1))s.write(R_MAT, R)s.write(T_MAT, T)R s.getNode(R_MAT).mat()T s.getNode(T_MAT).mat() 向量数组和关联映射的输入/输出 如我之前提到的我们也可以输出映射和序列数组、向量。同样我们首先打印变量的名称然后我们必须指定我们的输出是序列还是映射。 对于第一个元素之前的序列请打印“[”字符在最后一个元素之后打印“]”字符。使用 Python 时调用 where is 或开始编写结构。调用以完成结构 FileStorage.startWriteStruct(structure_name, struct_type)struct_typecv2.FileNode_MAPcv2.FileNode_SEQFileStorage.endWriteStruct() c:  fs strings [; // text - string sequencefs image1.jpg Awesomeness ../data/baboon.jpg;fs ]; // close sequence Python:  s.startWriteStruct(strings, cv.FileNode_SEQ)for elem in [image1.jpg, Awesomeness, ../data/baboon.jpg]:s.write(, elem)s.endWriteStruct() 对于映射键值是相同的但是现在我们使用“{”和“}”分隔符 c  fs Mapping; // text - mappingfs { One 1;fs Two 2 }; Python: s.startWriteStruct(Mapping, cv.FileNode_MAP)s.write(One, 1)s.write(Two, 2)s.endWriteStruct() 为了从这些中读取数据我们使用 cv::FileNode 和 cv::FileNodeIterator 数据结构。cv::FileStorage 类或 Python 中的 getNode()函数的 [] 运算符返回 cv::FileNode 数据类型。如果节点是顺序的则可以使用 cv::FileNodeIterator 循环访问项。在 Python 中at()函数可用于寻址序列的元素size()函数返回序列的长度 c: FileNode n fs[strings]; // Read string sequence - Get nodeif (n.type() ! FileNode::SEQ){cerr strings is not a sequence! FAIL endl;return 1;} FileNodeIterator it n.begin(), it_end n.end(); // Go through the nodefor (; it ! it_end; it)cout (string)*it endl; Python:  n s.getNode(strings)if (not n.isSeq()):print (strings is not a sequence! FAIL, filesys.stderr)exit(1) for i in range(n.size()):print (n.at(i).string()) 对于映射您可以再次使用 [] 运算符Python 中的 at()函数来访问给定的项目或 运算符 c n fs[Mapping]; // Read mappings from a sequencecout Two (int)(n[Two]) ; ;cout One (int)(n[One]) endl endl; Python  n s.getNode(Mapping)print (Two,int(n.getNode(Two).real()),; )print (One,int(n.getNode(One).real()),\n) 读取和写入您自己的数据结构。假设您有一个数据结构例如 C class MyData { public:MyData() : A(0), X(0), id() {} public: // Data Membersint A;double X;string id; }; Python class MyData:def __init__(self):self.A self.X 0self.name 在 C 中可以通过 OpenCV I/O XML/YAML 接口就像 OpenCV 数据结构一样通过在类内外添加读取和写入函数来序列化它。在 Python 中您可以通过在类中实现读写函数来接近这一点。对于内部部分 c void write(FileStorage fs) const //Write serialization for this class{fs { A A X X id id };}void read(const FileNode node) //Read serialization for this class{A (int)node[A];X (double)node[X];id (string)node[id];} Python:  def write(self, fs, name):fs.startWriteStruct(name, cv.FileNode_MAP|cv.FileNode_FLOW)fs.write(A, self.A)fs.write(X, self.X)fs.write(name, self.name)fs.endWriteStruct() def read(self, node):if (not node.empty()):self.A int(node.getNode(A).real())self.X node.getNode(X).real()self.name node.getNode(name).string()else:self.A self.X 0self.name 在 C 和python中需要在类之外添加以下函数定义 C: static void write(FileStorage fs, const std::string, const MyData x) {x.write(fs); } static void read(const FileNode node, MyData x, const MyData default_value MyData()){if(node.empty())x default_value;elsex.read(node); } 在这里您可以观察到在读取部分中我们定义了如果用户尝试读取不存在的节点会发生什么。在这种情况下我们只返回默认的初始化值但是更详细的解决方案是返回一个对象 ID 的减 1 值。 添加这四个函数后使用 运算符进行写入使用 运算符进行读取或为 Python 定义的输入/输出函数 C: MyData m(1);fs MyData m; // your own data structuresfs[MyData] m; // Read your own structure_ Python:  m MyData()m.write(s, MyData)m.read(s.getNode(MyData)) 或者尝试阅读不存在的读取 c: cout Attempt to read NonExisting (should initialize the data structure with its default).;fs[NonExisting] m;cout endl NonExisting endl m endl; Python: print (Attempt to read NonExisting (should initialize the data structure,with its default).)m.read(s.getNode(NonExisting))print (\nNonExisting ,\n,m) 我们可以看到结果 大多数情况下我们只是打印出定义的数字。在主机的屏幕上您可以看到 Write Done. Reading: 100image1.jpg Awesomeness baboon.jpg Two 2; One 1 R [1, 0, 0;0, 1, 0;0, 0, 1] T [0; 0; 0] MyData { id mydata1234, X 3.14159, A 97}Attempt to read NonExisting (should initialize the data structure with its default). NonExisting { id , X 0, A 0} Tip: Open up output.xml with a text editor to see the serialized data. 在输出 xml 文件中可能看到的内容更有趣 ?xml version1.0? opencv_storage iterationNr100/iterationNr stringsimage1.jpg Awesomeness baboon.jpg/strings MappingOne1/OneTwo2/Two/Mapping R type_idopencv-matrixrows3/rowscols3/colsdtu/dtdata1 0 0 0 1 0 0 0 1/data/R T type_idopencv-matrixrows3/rowscols1/colsdtd/dtdata0. 0. 0./data/T MyDataA97/AX3.1415926535897931e000/Xidmydata1234/id/MyData /opencv_storage 或者 YAML 文件 %YAML:1.0 iterationNr: 100 strings:- image1.jpg- Awesomeness- baboon.jpg Mapping:One: 1Two: 2 R: !!opencv-matrixrows: 3cols: 3dt: udata: [ 1, 0, 0, 0, 1, 0, 0, 0, 1 ] T: !!opencv-matrixrows: 3cols: 1dt: ddata: [ 0., 0., 0. ] MyData:A: 97X: 3.1415926535897931e000id: mydata1234 You may observe a runtime instance of this on the YouTube here . 参考文章 1、《File Input and Output using XML and YAML files》----Bernát Gábor