Image Watch是在VS2012上使用的一款OpenCV工具，能夠?qū)崟r顯示圖像和矩陣Mat的內(nèi)容，跟Matlab很像，方便程序調(diào)試，相當(dāng)好用。

多版本OpenCV：

對于工程中有兩個以上OpenCV版本的情況，加入#include 后編譯又可能出現(xiàn)重定義的情況。開始我一直沒搞清楚原因，后來在stackoverflow查了下。原因如下：

也就是說如果VS中安裝了兩個以上的OpenCV版本，VS可能會搞混，把include的地址解析到了兩個不同OpenCV目錄下的頭文件，因此引起重定義。

于是在VS中把include目錄下的OpenCV2.3.1的頭文件地址刪除，問題解決。

Image Watch實(shí)例：

利用二維SURF特征和單映射尋找已知物體。輸入兩幅圖像，一幅是需要尋找的物體圖像，另一幅是場景中包含此物體的圖像。

SURF特征的特征描述方法封裝在SurfFeatureDetector類中，利用成員函數(shù)detect函數(shù)檢測出SURF特征的關(guān)鍵點(diǎn)，保存在vector容器中，再利用SurfDesciptorExtractor類進(jìn)行特征向量的計(jì)算，將之前的vector變量變成矩陣形式保存在Mat中。

利用FLANN特征匹配算法進(jìn)行匹配，此算法封裝在FlannBaseMatcher類中，匹配后保留好的特征匹配點(diǎn)。利用findHomography獲取匹配特征點(diǎn)之間的變換，最后利用perspectiveTransform定位到場景圖中物體的4個點(diǎn)。

代碼如下：

#include 
#include 
#include 
#include 
#include 
#include 
#include 

using namespace cv;

void usage()
{
    std::cout << "Usage: ./FindObjectByFeature   " << std::endl;
}

int main(int argc, char *argv[])
{
    if(argc != 3)
    {
        usage();
        return -1;
    }

    Mat img_object = imread(argv[1], CV_LOAD_IMAGE_COLOR);
    Mat img_scene = imread(argv[2], CV_LOAD_IMAGE_COLOR);

    if(!img_object.data || !img_scene.data)
    {
        std::cout << "Error reading images!" << std::endl; 
        return -1;
    }

    //step1:檢測SURF特征點(diǎn)/////////////////////////////////////////////////////////////////
    int minHeassian = 400;
    SurfFeatureDetector detector(minHeassian);

    std::vector keypoints_object, keypoints_scene;

    detector.detect(img_object, keypoints_object);
    detector.detect(img_scene, keypoints_scene);

    //step2:計(jì)算特征向量///////////////////////////////////////////////////////////////////
    SurfDescriptorExtractor extractor;

    Mat descriptors_object, descriptors_scene;

    extractor.compute(img_object, keypoints_object, descriptors_object);
    extractor.compute(img_scene, keypoints_scene, descriptors_scene);

    //step3:利用FLANN匹配算法匹配特征描述向量//////////////////////////////////////////////
    FlannBasedMatcher matcher;
    std::vector matches;
    matcher.match( descriptors_object, descriptors_scene, matches);

    double max_dist = 0; double min_dist = 100;

    //快速計(jì)算特征點(diǎn)之間的最大和最小距離///////////////////////////////////////////////////
    for(int i = 0; i < descriptors_object.rows; i++)
    {
        double dist = matches[i].distance;
        if(dist < min_dist) min_dist = dist;
        if(dist > max_dist) max_dist = dist;
    }

    printf("---Max dist: %f \n", max_dist);
    printf("---Min dist: %f \n", min_dist);

    //只畫出好的匹配點(diǎn)(匹配特征點(diǎn)之間距離小于3*min_dist)//////////////////////////////////
    std::vector good_matches;

    for(int i = 0; i < descriptors_object.rows; i++)
    {
        if(matches[i].distance < 3*min_dist)
            good_matches.push_back(matches[i]);
    }

    Mat img_matches;
    drawMatches(img_object, keypoints_object, img_scene, keypoints_scene,
        good_matches, img_matches, Scalar::all(-1), Scalar::all(-1),
        vector(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);

    //定位物體////////////////////////////////////////////////////////////////////////////
    std::vector obj;
    std::vector scene;

    for(int i = 0; i < good_matches.size(); i++)
    {
        //從好的匹配中獲取特征點(diǎn)/////////////////////////////////////
        obj.push_back(keypoints_object[good_matches[i].queryIdx].pt);
        scene.push_back(keypoints_scene[good_matches[i].trainIdx].pt);
    }

    //找出匹配特征點(diǎn)之間的變換///////////////////
    Mat H = findHomography(obj, scene, CV_RANSAC);

    //得到image_1的角點(diǎn)(需要尋找的物體)//////////
    std::vector obj_corners(4);
    obj_corners[0] = cvPoint(0,0);
    obj_corners[1] = cvPoint(img_object.cols, 0);
    obj_corners[2] = cvPoint(img_object.cols, img_object.rows);
    obj_corners[3] = cvPoint(0, img_object.rows);
    std::vector scene_corners(4);
    
    //匹配四個角點(diǎn)/////////////////////////////////////
    perspectiveTransform(obj_corners, scene_corners, H);

    //畫出匹配的物體///////////////////////////////////////////////////////////////////////
    line(img_matches, scene_corners[0] + Point2f(img_object.cols, 0), scene_corners[1] + Point2f(img_object.cols, 0), Scalar(0,255,0), 4);
    line(img_matches, scene_corners[1] + Point2f(img_object.cols, 0), scene_corners[2] + Point2f(img_object.cols, 0), Scalar(0,255,0), 4);
    line(img_matches, scene_corners[2] + Point2f(img_object.cols, 0), scene_corners[3] + Point2f(img_object.cols, 0), Scalar(0,255,0), 4);
    line(img_matches, scene_corners[3] + Point2f(img_object.cols, 0), scene_corners[0] + Point2f(img_object.cols, 0), Scalar(0,255,0), 4);

    imshow("Good Matches & Object detection", img_matches);

    waitKey(0);
    return 0;
}

匹配結(jié)果圖如下（下圖中左邊子圖為待尋找的物體圖像，右邊子圖場景中尋找到的物體圖像）：

在Debug模式下，如果我們在程序某處設(shè)置調(diào)試斷點(diǎn)，當(dāng)程序運(yùn)行到斷點(diǎn)處時，可以在Image Watch窗口（View->Other Windows->Image Watch）查看已經(jīng)分配內(nèi)存的Mat圖像。