之前学习OpenCV时是从于老师的书本教材开始的，所以一直使用的接串口就全是其于C的，但越使用越觉得C接口不其方便，再者使用C++应当是大的趋势所向，所以，又只好对相应的C++接口进行学习和使用，真心烦燥！ 浪费了一些时间不说，关键是c++接口中的一些函数的使用和要求，与C的有些出入，按之前C的方法去使用，有时会出些莫名的问题，解决起来老费劲！
之前的笔记也记，只不过是，不是记在所看文档上，就是记录在Word里，现在起打算把这些经验和记录放在这里，希望能与路过的朋友多多交流，共同提高，呵呵。
今天就讲讲reduce() 和 findContours()的使用陷阱。
首先介绍一下我所用的系统情况：VS2010+OpenCV2.3.1。在建立系统时选择了基于MFC的单文档类型，由于可能要将exe放到没装OpenCV的电脑上运行，选择了静态链接DLL，而这，竟然对使用函数findContours()埋下的祸根！
一，findContours()的使用陷阱
第一次使用函数findContours()，默认的方法，参照手册定义输入输出参数的类型，如法炮制地进行调用，结果竟然一运行完findContours()函数所在的程序块时就出现了如下问题：
按F5状态下的错误提示：
直接运行exe的错误提示
回头转去跟样例研究对比了半天，没有发现错漏。再去求助于百度，结果竟然还真有这类问题存在？！ 难道把这么常用的一个函数升级得这么不稳定 ？ 不应该呀！ 尽管
http://code.opencv.org/issues里面有相应的解决办法，但都写得比较简略和抽象，估计是因为全是大牛，大体都是些编译器、动态库等方面的参数调整，俺等码农看了之后依然无从下手。 后来找到一中文简易版本的解决方法（http://giveuptech.com/post/opencv-findcontours-runtime-error-solution），说是“修改当前程序的vc运行库配置，问题解决。具体方法是：项目-属性-配置属性-C/C++-代码生成-运行库，将其改为“多线程调试(/MTd)”。”但仍然没有解决我的问题！
http://code.opencv.org/issues里面有相应的解决办法，但都写得比较简略和抽象，估计是因为全是大牛，大体都是些编译器、动态库等方面的参数调整，俺等码农看了之后依然无从下手。 后来找到一中文简易版本的解决方法（http://giveuptech.com/post/opencv-findcontours-runtime-error-solution），说是“修改当前程序的vc运行库配置，问题解决。具体方法是：项目-属性-配置属性-C/C++-代码生成-运行库，将其改为“多线程调试(/MTd)”。”但仍然没有解决我的问题！
幸好，我有加入两个超级大的OpenCV群，里面热心的高手相当多，这次我问题的解决就受助于 低调De盖子、极客等人的帮助，在此表示感谢！
当一个DLL采用静态的方式链接到C运行时库时，会创建一个相对于该DLL的堆(Heap)，而如果采用共享的方式链接到C运行时库的时候则使用的是应用程序的堆内存。而_CrtIsValidHeapPointer()在 DEBug模式下将确保传入的地址在本地的堆内存中。 因此就有理由相信，真有可能是静态链接的问题。
所以，我立即尝试将：项目--属性--配置属性--常规--MFC的使用-- 选择
在共享DLL中使用MFC ；同时，项目--属性--配置属性--C/C++--代码生成--运行库--选择
多线程DLL(/MD)。
在共享DLL中使用MFC ；同时，项目--属性--配置属性--C/C++--代码生成--运行库--选择
多线程DLL(/MD)。
然后，F5运行，无异常，竟然！激动ing....... 但做为好学上进的码农我，当然还需要看看它在Release情况下的表现啦，结果，结果，结果，它也正常！ 爽！！！ 只是它的exe文件要比Debug模式下要大出来好多。
至此，函数findContours()的对编译环境的敏感问题就算是解决了，尽管就这小小问题忙活了大半天，但依然高兴，哈哈，^_^ 
PS：再反复调整项目配置的时候顺手试了一下，项目--属性--配置属性--C/C++--常规--多处理器编译--选择
是(/MP)，果然能快不少，呵呵，原来我之前一直在无形地浪费着i5！
二，reduce() 的使用陷阱。
函数原型：void cv::reduce(InputArray _src, OutputArray _dst, int dim, int op, int dtype=-1)
对dtype采用默认值方式使用函数reduce()，出现了点异常问题，然后追加try-catch，发现输入输出的数据类型不匹配，于是就结合着reduce() 原代码做进一步分析，先是尝试着将输出创建为各种指定的格式，不行！
原因在于对下面这条语句没有理解好：
if( dtype < 0 )
dtype = _dst.fixedType() ? _dst.type() : stype;
上网、上Q，折腾许久，终于想到了要把
dtype指定一个初值！ 由于输入的数据类型是8U，对于求和操作CV_REDUCE_SUM，那么输出是32S就可以，对应的
dtype=CV_32S 就行，此时输出的矩阵也就只需要定义一下就行，不必再进行其它操作。例如：
Mat matIn=imread(''lena.jpg",0);
Mat matOut;
reduce(matIn, matOut, 1, CV_REDUCE_SUM, CV_32S);
以下为函数reduce()
源码，方便对照学习。
void cv::reduce(InputArray _src, OutputArray _dst, int dim, int op, int dtype)
{
Mat src = _src.getMat();
CV_Assert( src.dims <= 2 );
int op0 = op;
int stype = src.type(), sdepth = src.depth(), cn = src.channels();
if( dtype < 0 )
dtype = _dst.fixedType() ? _dst.type() : stype;
int ddepth = CV_MAT_DEPTH(dtype);
_dst.create(dim == 0 ? 1 : src.rows, dim == 0 ? src.cols : 1,
CV_MAKETYPE(dtype >= 0 ? dtype : stype, cn));
Mat dst = _dst.getMat(), temp = dst;
CV_Assert( op == CV_REDUCE_SUM || op == CV_REDUCE_MAX ||
op == CV_REDUCE_MIN || op == CV_REDUCE_AVG );
CV_Assert( src.channels() == dst.channels() );
if( op == CV_REDUCE_AVG )
{
op = CV_REDUCE_SUM;
if( sdepth < CV_32S && ddepth < CV_32S )
{
temp.create(dst.rows, dst.cols, CV_32SC(cn));
ddepth = CV_32S;
}
}
ReduceFunc func = 0;
if( dim == 0 )
{
if( op == CV_REDUCE_SUM )
{
if(sdepth == CV_8U && ddepth == CV_32S)
func = reduceR_<uchar,int,OpAdd<int> >;
else if(sdepth == CV_8U && ddepth == CV_32F)
func = reduceR_<uchar,float,OpAdd<int> >;
else if(sdepth == CV_8U && ddepth == CV_64F)
func = reduceR_<uchar,double,OpAdd<int> >;
else if(sdepth == CV_16U && ddepth == CV_32F)
func = reduceR_<ushort,float,OpAdd<float> >;
else if(sdepth == CV_16U && ddepth == CV_64F)
func = reduceR_<ushort,double,OpAdd<double> >;
else if(sdepth == CV_16S && ddepth == CV_32F)
func = reduceR_<short,float,OpAdd<float> >;
else if(sdepth == CV_16S && ddepth == CV_64F)
func = reduceR_<short,double,OpAdd<double> >;
else if(sdepth == CV_32F && ddepth == CV_32F)
func = reduceR_<float,float,OpAdd<float> >;
else if(sdepth == CV_32F && ddepth == CV_64F)
func = reduceR_<float,double,OpAdd<double> >;
else if(sdepth == CV_64F && ddepth == CV_64F)
func = reduceR_<double,double,OpAdd<double> >;
}
else if(op == CV_REDUCE_MAX)
{
if(sdepth == CV_8U && ddepth == CV_8U)
func = reduceR_<uchar, uchar, OpMax<uchar> >;
else if(sdepth == CV_16U && ddepth == CV_16U)
func = reduceR_<ushort, ushort, OpMax<ushort> >;
else if(sdepth == CV_16S && ddepth == CV_16S)
func = reduceR_<short, short, OpMax<short> >;
else if(sdepth == CV_32F && ddepth == CV_32F)
func = reduceR_<float, float, OpMax<float> >;
else if(sdepth == CV_64F && ddepth == CV_64F)
func = reduceR_<double, double, OpMax<double> >;
}
else if(op == CV_REDUCE_MIN)
{
if(sdepth == CV_8U && ddepth == CV_8U)
func = reduceR_<uchar, uchar, OpMin<uchar> >;
else if(sdepth == CV_16U && ddepth == CV_16U)
func = reduceR_<ushort, ushort, OpMin<ushort> >;
else if(sdepth == CV_16S && ddepth == CV_16S)
func = reduceR_<short, short, OpMin<short> >;
else if(sdepth == CV_32F && ddepth == CV_32F)
func = reduceR_<float, float, OpMin<float> >;
else if(sdepth == CV_64F && ddepth == CV_64F)
func = reduceR_<double, double, OpMin<double> >;
}
}
else
{
if(op == CV_REDUCE_SUM)
{
if(sdepth == CV_8U && ddepth == CV_32S)
func = reduceC_<uchar,int,OpAdd<int> >;
else if(sdepth == CV_8U && ddepth == CV_32F)
func = reduceC_<uchar,float,OpAdd<int> >;
else if(sdepth == CV_8U && ddepth == CV_64F)
func = reduceC_<uchar,double,OpAdd<int> >;
else if(sdepth == CV_16U && ddepth == CV_32F)
func = reduceC_<ushort,float,OpAdd<float> >;
else if(sdepth == CV_16U && ddepth == CV_64F)
func = reduceC_<ushort,double,OpAdd<double> >;
else if(sdepth == CV_16S && ddepth == CV_32F)
func = reduceC_<short,float,OpAdd<float> >;
else if(sdepth == CV_16S && ddepth == CV_64F)
func = reduceC_<short,double,OpAdd<double> >;
else if(sdepth == CV_32F && ddepth == CV_32F)
func = reduceC_<float,float,OpAdd<float> >;
else if(sdepth == CV_32F && ddepth == CV_64F)
func = reduceC_<float,double,OpAdd<double> >;
else if(sdepth == CV_64F && ddepth == CV_64F)
func = reduceC_<double,double,OpAdd<double> >;
}
else if(op == CV_REDUCE_MAX)
{
if(sdepth == CV_8U && ddepth == CV_8U)
func = reduceC_<uchar, uchar, OpMax<uchar> >;
else if(sdepth == CV_16U && ddepth == CV_16U)
func = reduceC_<ushort, ushort, OpMax<ushort> >;
else if(sdepth == CV_16S && ddepth == CV_16S)
func = reduceC_<short, short, OpMax<short> >;
else if(sdepth == CV_32F && ddepth == CV_32F)
func = reduceC_<float, float, OpMax<float> >;
else if(sdepth == CV_64F && ddepth == CV_64F)
func = reduceC_<double, double, OpMax<double> >;
}
else if(op == CV_REDUCE_MIN)
{
if(sdepth == CV_8U && ddepth == CV_8U)
func = reduceC_<uchar, uchar, OpMin<uchar> >;
else if(sdepth == CV_16U && ddepth == CV_16U)
func = reduceC_<ushort, ushort, OpMin<ushort> >;
else if(sdepth == CV_16S && ddepth == CV_16S)
func = reduceC_<short, short, OpMin<short> >;
else if(sdepth == CV_32F && ddepth == CV_32F)
func = reduceC_<float, float, OpMin<float> >;
else if(sdepth == CV_64F && ddepth == CV_64F)
func = reduceC_<double, double, OpMin<double> >;
}
}
if( !func )
CV_Error( CV_StsUnsupportedFormat,
"Unsupported combination of input and output array formats" );
func( src, temp );
if( op0 == CV_REDUCE_AVG )
temp.convertTo(dst, dst.type(), 1./(dim == 0 ? src.rows : src.cols));
}
相关推荐
8个JS的reduce使用实例和reduce操作方式 reduce方法是一个数组的迭代方法，和map、filter不同，reduce方法可缓存一个变量，迭代时我们可以操作这个变量，然后返回它。 这是我大白话的解释，可能还是不容易理解，...
《Ranking and Semi-supervised Classification on Large Scale Graphs Using Map-Reduce》原文及译文
使用Spark算子map、reduce相结合求平均值
reduce()函数也是Python内置的一个高阶函数。reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同,今天我们就来详细探讨下
Hadoop Map-Reduce数据分析
为啥要把es6 中 reduce 单独拿出来说呢，因为这个功能实在太骚，值得如此。 reduce() 方法接收一个函数作为累加器，数组中的每个值（从左到右）开始缩减，最终计算为一个值。reduce() 方法接受四个参数：初始值...
目录 fold（reduce）使用for...of使用while循环更像fold的实现unfold数组实现生成器实现unfold实现总结 fold（reduce） 使用for...of使用while循环更像fold的实现 使用for...of 使用while循环 更像fold的...
下载后可以直接放到js文件中使用和输出。reduce详解和多种用法，包括求和、代替reverse 降序、代替map和filter、代替some和every、数组分割、数据过滤、数组去重、数组最大值和最小值、数组成员个数统计
Python 函数式编程和高阶函数 03高阶函数reduce的使用.mp4
Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数据库查询。也可以...
近期发布的最新版,由于官网集成的绘图程序过旧更新了当前的最新版并且集成了VS编译的版本(非mingw编译).本程序是绿色软件自解压就可以...解压后文件夹下的'\reduce\bin\winreduce.exe'就是程序文件,打开该文件即可使用
js代码-reduce的使用场景
Map-Reduce原理体系架构和工作机制，eclipse与Hadoop集群连接
google三大核心技术之一，map reduce的论文
在使用tensorflow时常常会使用到tf.reduce_*这类的函数，在此对一些常见的函数进行汇总 1.tf.reduce_sum tf.reduce_sum(input_tensor ， axis = None ， keep_dims = False ， name = None ， reduction_indices = ...
人脸识别，车辆识别，一人一档，一车一档 hadoop map reduce hbase
cuda cuda_使用cuda并行加速实现之reduce
Map/Reduce介绍。一些基本基础介绍。
Map reduce的执行原理。MapReduce是一种分布式计算模型，是Google提出的，主要用于搜索领域，解决海量数据的计算问题。