2023年12月31日 星期日

Cmder使用紀錄

不知道是不是因為都在C#與C++平台開發緣故,所以自己對於Windox的CMD都作為結果顯示而已,而最近有較多機會使用Python與Java,增加許多使用CMD的機會,因此才想發想找個不錯的命令提示字元,且稍微了解一下能做些什麼,作為一個新的學習,其中我就選擇了Cmder這款CMD。

基本上CMD原先有的功能,Cmder都會有,且它能夠安裝額外的套件,或是在啟動前幫忙預設參數,增加操作的方便性


Step1:下載Cmder(Cmder官網),因為我本身電腦已經有安裝Git相關套件,所以我只下載Mini版本

Step2:解壓縮在你電腦的某個地方,然後點選Cmder.exe就可以了


Step3:啟動後畫面如下,整體配色我個人是蠻喜歡的

Step4:可能會遇到輸入指令或動作,然後指標左右移動會出現殘影現象,我在另一台電腦會出現殘影,但目前這台則沒有這個問題
我解決的辦法是找到下列路徑中的cmder_prompt_config.lua檔案,修改prompt_lambSymbol為$(金錢符號)




額外小技巧:點選右下方的三條線按下Setting,然後新增set Path=%pathh%;D:\Software\Java\jdk-1.8\bin,可以用來設定Java 的path












2022年2月28日 星期一

Dlib install 環境建置(Visual Studio Community 2013 & Dlib v19.22)

 Step1.下載Dlib 的套件,可以從Google搜尋到,並下載19.22版本


 Step2.解壓縮完之後,新增一個Install資料夾,等等用Cmake編譯好的東西會出現在這裡

Step3.事前先安裝好Cmake,連結在這,不過版本可能會有些許的差異,因為我很早就下載使用


 Step4.開啟Cmake-gui


 Step5.選擇適合自己的版本,並進行Configure



 Step6.針對CMAKE_INSTALL_PREFIX項目,設定剛剛建立好的Install,最後按下Generate

 Step7.開啟專案後,針對ALL_BUILD建置


 Step8.再針對INSTALL建置


Step9.最後放入程式碼,這邊參考Dlib官網的範例,如果可順利跑出結果就代表環境建置好啦

#include <dlib/gui_widgets.h>
#include <dlib/image_io.h>
#include <dlib/image_transforms.h>
#include <fstream> 


using namespace std;
using namespace dlib;

//  ----------------------------------------------------------------------------

int main(int argc, char** argv)
{
    try
    {
        // make sure the user entered an argument to this program
        if (argc != 2)
        {
            cout << "error, you have to enter a BMP file as an argument to this program" << endl;
            return 1;
        }

        // Here we declare an image object that can store rgb_pixels.  Note that in 
        // dlib there is no explicit image object, just a 2D array and
        // various pixel types.  
        array2d img;

        // Now load the image file into our image.  If something is wrong then
        // load_image() will throw an exception.  Also, if you linked with libpng
        // and libjpeg then load_image() can load PNG and JPEG files in addition
        // to BMP files.
        load_image(img, argv[1]);


        // Now let's use some image functions.  First let's blur the image a little.
        array2d blurred_img;
        gaussian_blur(img, blurred_img); 

        // Now find the horizontal and vertical gradient images.
        array2d horz_gradient, vert_gradient;
        array2d edge_image;
        sobel_edge_detector(blurred_img, horz_gradient, vert_gradient);

        // now we do the non-maximum edge suppression step so that our edges are nice and thin
        suppress_non_maximum_edges(horz_gradient, vert_gradient, edge_image); 

        // Now we would like to see what our images look like.  So let's use a 
        // window to display them on the screen.  (Note that you can zoom into 
        // the window by holding CTRL and scrolling the mouse wheel)
        image_window my_window(edge_image, "Normal Edge Image");

        // We can also easily display the edge_image as a heatmap or using the jet color
        // scheme like so.
        image_window win_hot(heatmap(edge_image));
        image_window win_jet(jet(edge_image));

        // also make a window to display the original image
        image_window my_window2(img, "Original Image");

        // Sometimes you want to get input from the user about which pixels are important
        // for some task.  You can do this easily by trapping user clicks as shown below.
        // This loop executes every time the user double clicks on some image pixel and it
        // will terminate once the user closes the window.
        point p;
        while (my_window.get_next_double_click(p))
        {
            cout << "User double clicked on pixel:         " << p << endl;
            cout << "edge pixel value at this location is: " << (int)edge_image[p.y()][p.x()] << endl;
        }

        // wait until the user closes the windows before we let the program 
        // terminate.
        win_hot.wait_until_closed();
        my_window2.wait_until_closed();


        // Finally, note that you can access the elements of an image using the normal [row][column]
        // operator like so:
        cout << horz_gradient[0][3] << endl;
        cout << "number of rows in image:    " << horz_gradient.nr() << endl;
        cout << "number of columns in image: " << horz_gradient.nc() << endl;
    }
    catch (exception& e)
    {
        cout << "exception thrown: " << e.what() << endl;
    }
}
結果圖


參考:

1.http://dlib.net/

2021年7月25日 星期日

Git 版本管控(二)-Git的環境建置

延續上次的Git 版本管控(一)-淺談版本管控,這次則是要說明如何建置Git的環境,廢話不多說直接往下看~

步驟1:搜尋Git官網,並點選Download for windows,版本可能會有些差異,但使用上不會差太多


Git有提供安裝版本免安裝版本,預設會幫你下載安裝版本,如果你不喜歡則可改下載其他版本,我自己是喜歡免安裝版本


再來就是下載GUI,我自己偏向使用Git Extensions(一樣有免安裝版本),後續也是用此作教學說明

步驟2:下載KDiff3(下載連結),而KDiff3主要可幫助我們做程式碼比對,使用上很方便


步驟3:確認下載與安裝Git、Git Extensions、KDiff3完成後,就能開始操作GUI,而使用前要先將Git與KDiff3路徑設定完才能使用!!

初次開啟Git Extensions會先出現須設定的CheckList,如下圖所示,要針對橘色部分做修復


先修復第一個項目(Git路徑設定),如下圖所示,設定完可從左方的Git Extensions回到剛剛的CheckList,並可發現第一與最後一個項目都轉成綠色


再來就是修復二、三、四項目(設定KDiff3與個人資訊),這三項剛好都在同一個頁面就能完成,最主要是KDiff3路徑一定要設定,個人資訊其實沒設定也能使用


當問題都修復完成,就會看到全綠色的狀態,如下圖所示


最後點選ok,就會進入Git Extensions主頁面,代表可以正式使用Git 做版本管控瞜!






2021年6月12日 星期六

Line 跨系統聊天紀錄轉移

今年四月的時候,因手上安卓手機已經用了快五年,感覺已經不能再撐下去了,因此萌生換手機的念頭,而自己對手機的要求也不高,用起來不要卡卡就可以,然後身邊朋友總說蘋果手機用久都不太卡頓,所以這次我決定要來跳槽,剛好親戚有不要的二手iPhone 7 plus 128G,因而我就大膽的買下去!!

當然,拿到新手機很開心,但我馬上遇到一個問題,就是遇到跨系統時,Line的聊天紀錄似乎沒這麼好處理,所以我詢問一些有跳槽經驗的朋友,同時也上網查一些資料,得到的結果大概就兩種,第一種是官方說法,正常無法轉移聊天紀錄,所以蠻多人直接放棄轉移,若有聊天紀錄需要,則會從電腦版的Line去查找;第二種就是訪間有些付費軟體可以協助轉移,但過程也小複雜....後來我想想,其實也沒有非得保留舊聊天紀錄,所以決定放棄轉移了,直接另起爐灶。

但,當我將Line從安卓轉到蘋果時,我依照正常流程輸入手機號碼,且事前沒有備份到iCloud雲蝶(廢話),所以我選擇不復原聊天紀錄,常理來說進入到主畫面時,應該要是全空的狀態,但.....神奇的事情發生了,我點開我的蘋果 Line,竟發現有聊 ! 天 ! 紀 ! 錄 !    突然覺得大腦充滿困惑,我到目前也完全不知道怎做到的,可能是老天賞賜給我的奇蹟吧!

事後想想,唯一的可能性,起先因為app剩Line還沒完全轉移,所以有一段時間我是安桌與蘋果手機同時使用,因為比較常使用Line,所以我幾乎都用安卓,然後分享網路給蘋果,聽起有點搞笑,哈哈哈,但這可能是個關鍵!!猜想會不會因為我在安卓分享網路給蘋果狀態下,再進行Line的轉移動作,間接也將聊天內容轉到蘋果呢?但過了一段時間後,原先以為全都轉移的聊天紀錄,其實只將二月到四月這範圍的聊天紀錄轉移過來,去年甚至更久以前的就都沒有轉過來,但至少有總比沒有好!!

最後,這個方法我並沒有再回去測試一遍,因為怕到時就真的全空了!但對於某些人如果跟我一樣,原先想放棄舊聊天紀錄,若這個方式可以幫你/妳保留近兩個月的聊天內容,其實我覺得還不錯,不會出現空白聊天視窗,然後不知怎麼接的感覺,整體來說我覺得是可以嘗試看看,萬一沒有成功,其實心裡也不會太難過,但如果成功了,我覺得心裡應該會蠻爽的!!!!!

僅供參考瞜~

2021年5月24日 星期一

心情札記-2021.05.24

今天窩了一整天的宿舍,內心被程式與高溫弄得有點心煩,趁著傍晚天氣較涼到附近公園溜搭,走著走著,竟傳來久違的夏天氣息,那就是在樹上高歌的蟬聲,如此熱鬧般的蟬聲,對比人行道空冷的寂靜,顯得格外諷刺,看來這個夏天依舊不寧靜,願這疫情能早點結束,讓生活回到從前般的開心!!

2021年3月30日 星期二

Git 版本管控(一)-淺談版本管控

最近,部門說要導入這個,然後由我做教學?!?!,既然都這樣安排了,就來整理自己目前對Git的了解,預計分享的內容如下:
  1. 淺談版本管控
  2. Git的環境建置
  3. Git本機操作
  4. Git遠端操作
淺談版本管控(Version Control)
首先,為什麼要使用版本管控(Version Control)呢?說說自己以前在研究所時期,剛開始寫C/C++跟OpenCV時,往往就是修改了一下程式或寫一些功能之後,為了避免後續程式碼可能被改到不能用,就會加上時間做區隔,類似做備份使用,但久而久之備份的內容越來越多,有時想還原回正常版本卻忘記不知哪邊被改動,因為距離上次修改太久了,所以只能細部查找差異性,間接花了很多時間在做非功能性開發,這個狀況持續到我工作接觸到Git才有所改變,此時發現原來寫軟體除了邏輯要夠用之外,其實蠻多小工具也要學會,因為正式的專案其架構都蠻大的,所以工作上會切分成寫人機介面(前端)演算法(後端)而某方寫完功能後一定會做測試,後續並做整合測試等等,因此若用改時間或註解紀錄程式碼修改差異,其效率或除錯速度都不好,所以才會出現版本管控(Version Control)這個概念。

更進一步的說,寫程式除了功能寫完之外,一般還會有整合、測試、進版等等,所以不是單單寫完程式就沒事!!畢竟如果寫出一堆Bug給別人就尷尬了,或是自己未來要除錯也不容易,總結來說版本管控(Version Control)就是用來記錄程式碼每次更改的差異,並能協助我們紀錄特定版本,若出現某版本因修改後而不穩定時,還能還原先前穩定版本,同時能找到是誰偷放這個臭蟲,哈哈哈哈,然後發現原來是自己搞的鬼!

版本管控系統(Version Control Systems)
    版本管控常用的工具,可分為集中式(Centralized Version Control Systems)與分散式(Distributed Version Control Systems),集中式顧名思義就是說將其程式碼存放在遠端的伺服器(Server),因此每次的提交(Commit)都必須要連到這個伺服器(Server)才行,本機端是無法做提交(Commit)動作,同時企業使用時可能要付費,若伺服器(Server)不小心發生什麼毀損,程式碼可能就會不翼而飛,其架構如下:



    相反的分散式則可以在本機端進行提交(Commit),同時也能夠上傳(push)到伺服器(Server),以我來看其實分散式的伺服器(Server)也可以視為是一種本機,只是相對於我們它是遠端而已,重點是它是免費的,免錢的最好啦!!其架構如下所示


後續會以分散式管控的Git做教學,預計會說明如何搭配Gui+Git做使用~~

2021年3月20日 星期六

C# 使用C++ DLL檔(回傳值)

延續上篇(C# 使用C++ DLL檔)之後,一般使用DLL時,除了將參數提供給DLL演算法做使用,也需將演算法結果從DLL回傳回去,所以這次就來說明如何回傳結果給C#吧。

目前我了解到如果要從DLL回傳結果給C#,都會使用指標做回傳,而我先前測試經驗,C++撰寫上比較不會遇到問題,但在接收端C#有遇過接不到數值、接錯值、或是跑久還造成程式當掉,重點是DLL除錯還不怎麼容易,像是瞎子摸象的感覺,如果有人知道怎樣較快除DLL的Bug,再歡迎留言告訴我,感謝!!!經過一番的測試之後,我目前可正常回傳的資訊分別為字串與float陣列資訊。

Extern.cpp

#ifdef SYSALGORITHM_EXPORTS
#define SYSALGORITHM_API __declspec(dllexport)
#include "SysAlgorithm.h"

extern "C" SYSALGORITHM_API int add(int a, int b)
{
	Calculator Calculator;
	return Calculator.add(a, b);
}

extern "C" SYSALGORITHM_API int subtract(int a, int b)
{
	Calculator Calculator;
	return Calculator.subtract(a, b);
}

extern "C" SYSALGORITHM_API void getDLLValue(float * DLLvalue)
{
	Calculator Calculator;
	return Calculator.getDLLValue(DLLvalue);
}

extern "C" SYSALGORITHM_API void getDLLInfo(char * DLLInfo)
{
	Calculator Calculator;
	return Calculator.getDLLInfo(DLLInfo);
}

#endif

SysAlgorithm.h

#pragma once
#ifndef SYSALGORITHM_H
#define SYSALGORITHM_H

#include <fstream>
#include <string>

class Calculator
{
public:
	Calculator();
	~Calculator();

	int add(int a, int b);
	int subtract(int a, int b);
	void getDLLValue(float * DLLvalue);
	void getDLLInfo(char * DLLInfo);
};

#endif // !SYSALGORITHM_H 

SysAlgorithm.cpp

#include "SysAlgorithm.h"

Calculator::Calculator()
{

}

Calculator::~Calculator()
{

}

int Calculator::add(int a, int b)
{
	return(a + b);
}

int Calculator::subtract(int a, int b)
{
	return(a - b);
}

void Calculator::getDLLValue(float * DLLvalue)
{
	DLLvalue[0] = 0;
	DLLvalue[1] = 1.2;
	DLLvalue[2] = -1.2;
}

void Calculator::getDLLInfo(char * DLLInfo)
{
	char Info[20] = "return DLLInfo";
	strcpy_s(DLLInfo, strlen(Info) + 1, Info);
} 

C#

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using System.Runtime.InteropServices;

namespace SysUI
{
    public partial class Form1 : Form
    {
        [DllImport("SysAlgorithm.dll", EntryPoint = "add", CallingConvention = CallingConvention.Cdecl)]
        private static extern int add(int a, int b);

        [DllImport("SysAlgorithm.dll", EntryPoint = "subtract", CallingConvention = CallingConvention.Cdecl)]
        private static extern int subtract(int a, int b);

        [DllImport("SysAlgorithm.dll", EntryPoint = "getDLLValue", CallingConvention = CallingConvention.Cdecl)]
        private static extern void getDLLValue([MarshalAs(UnmanagedType.LPArray)]float[] value);

        [DllImport("SysAlgorithm.dll", EntryPoint = "getDLLInfo", CallingConvention = CallingConvention.Cdecl)]
        private static extern void getDLLInfo(StringBuilder DLLInfo);

        private StringBuilder DLLInfo = new StringBuilder(20);
        private float[] DLLvalue = new float[3];

        public Form1()
        {
            InitializeComponent();
            label1.Text = add(3, 5).ToString();
            label2.Text = subtract(3, 5).ToString();
            getDLLValue(DLLvalue);
            getDLLInfo(DLLInfo);
            label6.Text = DLLvalue[0].ToString() + "," + DLLvalue[1].ToString("F2") + "," + DLLvalue[2].ToString("F2");
            label8.Text = DLLInfo.ToString();
        }
    }
}
 
為了可以正確取得從DLL演算法回傳參數,C#的DllImport這邊很重要!!記得要注意


結果圖:


2021年2月20日 星期六

OpenCV Trackbar

一般寫影像處理時,不同的環境條件所需設定的參數都不一樣,為了加快自己調整參數的速度,決定使用opencv 的tracker bar做即時調整,而opencv的 tracker bar是callback函式,所以當拉把被移動位置時,會主動跳到callback函式做動作,同時也將當前bar的數值給函式使用,如此一來,就可以即時顯示不同結果,實際使用非常方便,不然從程式端去調整很麻煩,如果大家有更好的做法,也歡迎分享一下~~

Trackbar主要有五個參數要設定,分別為Trackbar的標籤名稱、在哪個視窗顯示Trackbar、Trackbar最大值(最小值預設固定為0)、Trackbar當前數值、callback函式(引數內容固定)

若想要使用兩個Trackbar,只要在第一個參數(標籤名稱)提供另一個名稱就可以,如下所示
	createTrackbar("Param1", "Window", &Param1, SliderMax, on_trackbar);
	createTrackbar("Param2", "Window", &Param2, SliderMax, on_trackbar);


程式碼如下:
#include <cstdio>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

const int SliderMax = 100;
int Param1 = 50;
int Param2 = 0;

Mat GrayImg, OutputImg;

static void on_trackbar(int, void*)
{
	double Alpha = (float)Param1 / 50;
	double Beta = Param2;
	GrayImg.convertTo(OutputImg, -1, Alpha, Beta);
	imshow("Window", OutputImg);
}

int main(){

	Mat SrcImg = imread("dog.jpg", CV_LOAD_IMAGE_COLOR);
	namedWindow("Window", WINDOW_AUTOSIZE);
	
	cvtColor(SrcImg, GrayImg, CV_BGR2GRAY);

	createTrackbar("Param1", "Window", &Param1, SliderMax, on_trackbar);
	createTrackbar("Param2", "Window", &Param2, SliderMax, on_trackbar);

	waitKey(0);
	return 0;
}
結果圖:


或是



備註(參考資料):
1.https://docs.opencv.org/3.4/da/d6a/tutorial_trackbar.html





2020年12月31日 星期四

OpenCV findhomography(單應性矩陣)與warpperspective(透視變換)

隨著科技進步與市場競爭,許多公司會試著將機械手臂導入到產線上,同時搭配工業相機做位置辨識,如手眼機器人(eye to hand和eye in hand),其原因就是要配合現在少量多變化的產能需求,達到彈性製造。

為了做到手眼機器人的功能,因有兩個不同座標系(影像座標跟手臂座標),如下圖所示,因無法直接將影像座標給機器手臂使用,故需使用OpenCV findhomography(單應性矩陣),找出兩者之間的關係,再利用warpperspective(透視變換)做座標轉換。



又或物體因離相機遠近不同,雖然明明是一樣的距離,但從影像上看卻不一樣長,如下圖的伯朗大道一樣,近的道路很寬,遠的又小到不行。



而Homography其實就是一個3 x 3矩陣,如下圖所示,其中h_9設為常數1,同時可以發現Homography  矩陣尚有八個未知數,而一對影像與機械座標只能求出其中兩個解,表示在實際校正個過程,至少要有四對非共線影像與機械座標才能求出Homography 矩陣。


下列程式碼主要展示從一張有歪斜的影像中,經由座標轉換之後,擷取到一張沒歪斜影像,如下圖所示,左邊為歪斜影像,右邊則是方正影像,不過校正用的四組座標,我並非用影像處理計算而是簡單人員標記,所以可能看起來沒有到完全很正。


程式碼如下:
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main(){

	Mat SrcImg1 = imread("SrcImg.jpg", CV_LOAD_IMAGE_COLOR);
	Mat DstImg = Mat::zeros(Size(3500, 1500), CV_8SC1);

	vector PtData1, PtData2;

	PtData1.push_back(Point2f(513,627));
	PtData1.push_back(Point2f(233, 2000));
	PtData1.push_back(Point2f(3877, 2047));
	PtData1.push_back(Point2f(3855, 835));

	PtData2.push_back(Point2f(0, 0));
	PtData2.push_back(Point2f(0, 1500));
	PtData2.push_back(Point2f(3500, 1500));
	PtData2.push_back(Point2f(3500, 0));

	Mat HomogMat = findHomography(PtData1, PtData2, CV_RANSAC);
	warpPerspective(SrcImg1, DstImg, HomogMat, DstImg.size());
	imwrite("DstImg.bmp", DstImg);
return 0; }

SrcImg1

DstImg







2020年11月28日 星期六

Python with Anaconda and Visual Studio Code

因應這幾年來深度學習熱潮,來介紹一下如何使用Anaconda建立虛擬環境,並搭配使用Visual Studio Code做程式編輯,步驟如下:

步驟1:下載Anaconda,連結為https://www.anaconda.com/products/individual,下載64位元版本


然後下載VS Code,連結為https://code.visualstudio.com/,我自己習慣是下載免安裝版本比較好使用

步驟2:安裝Anaconda,這步驟其實很單純,基本上就是一直下一頁就是了









步驟3:啟動VS Conde後,先到擴充工具安裝Python,這樣後續才能挑選自己想要的直譯器(環境),如果想要中文介面也可一併下載中文包,如下圖所示。


步驟4:在Anaconda中建立虛擬環境,可根據不同專案需求加入不同package,以避免會互相干擾,例如我想建立一個專門開發OpenCV的虛擬環境,該如何做呢?

步驟4-1:開啟Anaconda Prompt.exe,一般可從windows 開始中找尋Anaconda 資料夾,如下圖所示。


步驟4-2(建立環境):輸入conda create -n Opencv python=3.6,代表建立一個Opencv虛擬環境,並安裝Python 3.6版本 




完成後,系統還會跟你說接下來可以做啥

步驟4-3(啟用環境):輸入activate Opencv,可發現原本的base變成Opencv,代表我們已經切換環境了


步驟4-4(安裝套件):輸入conda install --y -c menpo opencv,然後等待安裝完成,此外,還需再安裝opencv-python才能正確使用OpenCV lib,所以再輸入pip install opencv-python,然後慢慢等



步驟4-5(測試):進入Python 直譯器,並直接將下列程式碼複製貼上測看看(記得貼上時每一行前面不能有空白,不然會出錯),會直接跑出一個視窗,裡面為一張500 x 500黑色影像,等跑到cv.destroyAllWindows()時再按下Enter就結束了,這樣就能確認OpenCV lib是否有安裝成功。

import numpy as np
import cv2 as cv
img = np.zeros((500, 500, 3), np.uint8)
cv.imshow('Image test', img)
cv.waitKey(1000)
cv.destroyAllWindows()

步驟4-6(停用環境):輸入conda deactivate 或deactivate,但有些版本下deactivate會出現警告


步驟4-7(刪除環境):假設有個test環境,輸入conda env remove --name test,就會刪除其環境,如下圖所示


步驟1~4主要介紹如何安裝Anaconda與Visual Studio Code,並建立虛擬環境,而下個步驟則要說明如何用Visual Studio Code做程式碼的修改與測試。

步驟5:開啟Visual Studio Code,選擇一個練習用的資料夾,如TestFolder

新增一個檔案,test.py,然後將剛剛步驟4-5的程式碼貼到此py檔中


再來就是將
直譯器設為剛剛建立的虛擬環境OpenCV,如下圖所示。



步驟6:最後,右鍵點選test.py並選擇在終端機中執行Pytone檔案,如果有正常顯示結果,就代表這次環境安裝成功可使用摟,並且未來可直接在Visual Studio Code修改程式碼。


結果:

#opencv #Python #Anaconda #Visual Studio Code