Dreamer GUNDAM의 블로그::무료로 뉴타입이 되는 별까지 앞으로 356광년

    // Set ROI

    cv::Mat imageROI = image(cv::Rect(127, 170 , 120 , 80));

    cv::rectangle(image,cv::Rect(127, 170 , 120 , 80),cv::Scalar(0,0,255));

    // Get HUE histogram

    ColorHistogram hc;

    int minSat = 65;

    //cv::MatND colorhist = hc.getHueHistogram( imageROI ,  minSat );

    cv::MatND colorhist = hc.getHueHistogram( imageROI );

	// Computes the 1D Hue histogram with a mask.

	// BGR source image is converted to HSV

	cv::MatND getHueHistogram(const cv::Mat &image) {

		cv::MatND hist;

		// Convert to Lab color space

		cv::Mat hue;

		cv::cvtColor(image, hue, CV_BGR2HSV);

		// Prepare arguments for a 1D hue histogram

		hranges[0]= 0.0;

		hranges[1]= 180.0;

		channels[0]= 0; // the hue channel 

		// Compute histogram

		cv::calcHist(&hue, 

			1,			// histogram of 1 image only

			channels,	// the channel used

			cv::Mat(),	// no mask is used

			hist,		// the resulting histogram

			1,			// it is a 1D histogram

			histSize,	// number of bins

			ranges		// pixel value range

		);

		return hist;

	}

    // Object Finder

    ObjectFinder finder;

    finder.setHistogram(colorhist);

    finder.setThreshold(0.2f);

	// Sets the reference histogram

	void setHistogram(const cv::MatND& h) {

		isSparse= false;

		histogram= h;

		cv::normalize(histogram,histogram,1.0);

	}

finder.setThreshold(0.2f);



은 그냥 내부 변수중 Threshld값을 0.2f로 설정해준다. 이 값은 나중에 연산할 때 사용한다.



Step 4 : 이미지를 HSV로 변경한 후에 이미지를 분할한다. 

    //convert to HSV space

    cv::cvtColor(image, hsv, CV_BGR2HSV);

    //split image

    vector<cv::Mat> v;

    cv::split(hsv,v);

    // Identify pixel with low saturation

    cv::threshold(v[1],v[1], minSat, 255,cv::THRESH_BINARY);

    // Let's obtain backrojection of the hue channel

    // Get back-projection of hue histogram

    int ch[1]={0};

    cv::Mat result= finder.find(hsv,0.0f,180.0f,ch,1);

    cv::namedWindow("Result Hue");

    cv::imshow("Result Hue",result);

    // Eliminate low saturation pixels

    cv::bitwise_and(result,v[1],result);

    cv::namedWindow("Result Hue and");

    cv::imshow("Result Hue and",result);

 이미지는 아래와 같다.

 앞서의 이미지보다는 약간 정돈된 느낌을 주지만, 뭐...

     cv::TermCriteria criteria(cv::TermCriteria::MAX_ITER,10,0.01);

     cout << "meanshift= " << cv::meanShift(result,rect,criteria) << endl;

#include <iostream>

#include <vector>

using namespace std;

 

#include <QtCore/QCoreApplication>

#include <opencv2/core/core.hpp>

#include <opencv2/highgui/highgui.hpp>

#include <opencv2/imgproc/imgproc.hpp>

#include <opencv2/opencv.hpp>

#include <opencv2/contrib/contrib.hpp>

#include "colorhistogram.h"

#include "objectFinder.h"

 

int main(int argc, char *argv[])

{

    cv::Mat hsv;

    QCoreApplication a(argc, argv);

    // Read Data

    cv::Mat image = cv::imread( "./0172.jpg" );

    if (!image.data)

            return 0;

 

    // Set ROI

    cv::Mat imageROI = image(cv::Rect(127, 170 , 120 , 80));

    cv::rectangle(image,cv::Rect(127, 170 , 120 , 80),cv::Scalar(0,0,255));

 

    //Display Origitanl Image

    cv::namedWindow("Image 1 :: Orignal");

    cv::imshow("Image 1 :: Orignal",image);

 

    // Get HUE histogram

    ColorHistogram hc;

    int minSat = 65;

 

    //cv::MatND colorhist = hc.getHueHistogram( imageROI ,  minSat );

    cv::MatND colorhist = hc.getHueHistogram( imageROI );

 

    // Object Finder

    ObjectFinder finder;

    finder.setHistogram(colorhist);

    finder.setThreshold(0.2f);

 

    //convert to HSV space

    cv::cvtColor(image, hsv, CV_BGR2HSV);

 

    //split image

    vector<cv::Mat> v;

    cv::split(hsv,v);

 

    // Identify pixel with low saturation

    cv::threshold(v[1],v[1], minSat, 255,cv::THRESH_BINARY);

    cv::namedWindow("Saturation");

    cv::imshow("Saturation",v[1]);

 

    // Let's obtain backrojection of the hue channel

    // Get back-projection of hue histogram

    int ch[1]={0};

    cv::Mat result= finder.find(hsv,0.0f,180.0f,ch,1);

    cv::namedWindow("Result Hue");

    cv::imshow("Result Hue",result);

 

    // Eliminate low saturation pixels

    cv::bitwise_and(result,v[1],result);

    cv::namedWindow("Result Hue and");

    cv::imshow("Result Hue and",result);

 

    // load second image

    image = cv::imread("./0181.jpg");

    // Display image

     cv::namedWindow("Image 2");

     cv::imshow("Image 2",image);

 

     // Convert to HSV space

     cv::cvtColor(image, hsv, CV_BGR2HSV);

     // Split the image

     cv::split(hsv,v);

     // Eliminate pixels with low saturation

     cv::threshold(v[1],v[1],minSat,255,cv::THRESH_BINARY);

     cv::namedWindow("Saturation");

     cv::imshow("Saturation",v[1]);

 

     // Get back-projection of hue histogram

     result= finder.find(hsv,0.0f,180.0f,ch,1);

     cv::namedWindow("Result Hue");

     cv::imshow("Result Hue",result);

 

     // Eliminate low stauration pixels

     cv::bitwise_and(result,v[1],result);

     cv::namedWindow("Result Hue and");

     cv::imshow("Result Hue and",result);

 

     // Get back-projection of hue histogram

     finder.setThreshold(-1.0f);

     result= finder.find(hsv,0.0f,180.0f,ch,1);

     cv::bitwise_and(result,v[1],result);

     cv::namedWindow("Result Hue and raw");

     cv::imshow("Result Hue and raw",result);

 

     cv::Rect rect(127, 170 , 120 , 80);

     cv::rectangle(image, rect, cv::Scalar(0,0,255));

     cv::TermCriteria criteria(cv::TermCriteria::MAX_ITER,10,0.01);

     cout << "meanshift= " << cv::meanShift(result,rect,criteria) << endl;

     cv::rectangle(image, rect, cv::Scalar(0,255,0));

 

    // Display Image

    cv::namedWindow("Image Result");

    cv::imshow("Image Result",image);

 

    cv::waitKey();

    return 0;

}

void MainWindow::on_PB_OpenImage_clicked()

{

}

#include <QFileDialog>

...

 
void MainWindow::on_PB_OpenImage_clicked()

{

    QString filename = QFileDialog::getOpenFileName( this, tr("Open Image") , "." , tr("Image Files (*.png *.jpg * jpeg *.bmp)")) ;

    image = cv::imread(filename.toAscii().data());

    cv::namedWindow("Original Image");

    cv::imshow("Original Image", image);

}

 

그리고 컴파일을 하면 아래와 같이 실행됩니다.

- project 파일에 옵션 추가하는 것은 2번째 글을 참고하시기 바랍니다.





 

void MainWindow::on_PB_Process_clicked()

{

 cv::flip(image , image , 1);

 cv::namedWindow("Output Image");

 cv::imshow("Output Image", image);

}

이제 좀더 다음 단계로  다이얼로그 박스에 결과를 내보내는 것을 해보겠습니다.

먼저 Qt에서는 그래픽 데이터를 Label로 출력할 수 있으므로 Dialog에 label을 추가 합니다.

그리고 코드를 다음과 같이 수정합니다.

void MainWindow::on_PB_Process_clicked()

{

 cv::flip(image , image , 1);

 // cv::namedWindow("Output Image");

 // cv::imshow("Output Image", image);

 // Qt Image

 QImage img = QImage (( const unsigned char *) (image.data) , image.cols , image.rows, QImage::Format_RGB888);

// display on label

 ui->label->setPixmap( QPixmap::fromImage(img));

 ui->label->resize(ui->label->pixmap()->size());

}

  이제 실행하면 됩니다.

  

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
int main(int argc, char *argv[])
{
    QCoreApplication a(argc, argv);
    cv::Mat image = cv::imread("baboon.jpg");
    cv::namedWindow("My First QT Window");
    cv::imshow("My First QT Window",image);
    cv::waitKey(5000);
    return a.exec();
}

LIBS+= -L/usr/local/lib \

-lopencv_core\

-lopencv_highgui\

-lopencv_imgproc\

-lopencv_features2d\

-lopencv_calib3d



그리고 컴파일한 뒤에 실행하면 아래와 같은 창이 보입니다.

Rob Hess의 SIFT 8번째

(주) 글을 읽기 전에
이 글은 저와 같은  초보자를 위해서 정리하는 것입니다.
전문가시라면 굳이 읽을 필요가 없습니다.
공부하면서 정리하는 글이라서 서툰 부분이 많이 보입니다. 이해하여 주시고

틈틈이 새로운 것을 알게 되면 그때 그때 업데이트 하겠습니다.

(주) 시작하기 전에

실제 코드를 한번 따라가기 전에 SIFT 알고리즘을 간략하게 정리하여둡니다.

코드를 기계적으로 따라가는것 보다는 알고리즘을 이해하고 따라가는 것이 유용하기 때문입니다.

물론 그렇다고 제가 알고리즘을 다 이해하는 것은 아닙니다.

그냥 초보 수준에서 아는 것들만 정리하였습니다.

PPT 발표 자료는 이 페이지를 참조 하세요 : SIFT 정리.PPT

invalid-file

발표자료를 기반으로 하여서 추가적으로 정리한 내용입니다.

1. Harris Corner Detector

특징으로는 다음과 같습니다.

  Rotation 에 대해 검출이 가능하다.

  부분 이미지로도 검출이 가능하다.

{

해석 :

이상의 말을 풀이하면

H.C.Detector는 영상이  회전된 것 그리고 밝기의 변화와 이미지 상에서 노이즈가 있어도

어느정도 이를 견디어 내며 원하는 포인트를 찾아낼 수 있다는 의미가 됩니다.

H.C.Detector는 Local Auto Correlation Function에 기반합니다.

기본적인 아이디어는 전체 이미지를 한방에 뒤지는 것이 아니고

주어진 이미지 영역에서 작은 이미지 영역 (부분 영역)을 설정하여 이 윈도우를 주변 영역과 비교하여

커다란 차이점이 있는 부분을 찾아내는 방식입니다.

설정된 이미지에 대해서 뒤지는 방향은 아무 방향이나 상관이 없습니다. 다만 주어진 부분 영역에 대해서

큰 변화가 생기는 방향으로 이동해야 하곘지요

아래 그림을 보면 쉽게 이해됩니다.

제일 왼쪽 그림은 뒤져서 변화가 없으므로 “Flat”으로 보게 됩니다.

가운데 그림은 상하로만 선분이 있다는 것을 알게 됩니다.

- 에지 방향으로 변화가 없다는 것은 에지가 존재한다는 의미가 됩니다.

오른쪽 그림은 모든 방향으로 변화가 존재하기 때문에

“Conor”라고 보는 것 입니다.

- 수학적인 의미는 다음에 하기로 하고 여기선 패스 합니다.

- SIFT가 우선이므로, H.C.Detector는 이정도에서 정리합니다.

매트랩에 대한 코드는 아래를 참고하시기 바랍니다.

http://ipl.cnu.ac.kr/mayadata/harris/harris_corner_detector.htm

}

상기 그림을 실제 H.C.Detector에 걸면 다음과 같은 영상을 얻을 수 있습니다.

그리고 이 그림의 임계치 이상만을 검출하면 다음과 같습니다.

임계치 이상 영역에서 최대값만을 표시하면 다음과 같습니다.

요것이 바로 코너 포인트가 되는 것입니다.

  이 코너포인트를 원본 그림과 매핑하면 다음과 같습니다.

문제점 :

크기 변화에대해 대처하지 못한다.

   위의 그림처럼 원래 EDGE로 인식되는 것이 스케일을 작에 줄이면, 코너로 바뀌는 경우가 발생합니다.

   이처럼 크기가 변하는 것에 따러 검출되는 성분이 변하기 때문에 크기 변화에 대응하지 못하는 것이라고

   합니다. - 당연한 이야기 인듯..

관련 자료는 이페이지에 있습니다.

매트랩등등의 코드를 함께 제공하기 때문에 공부하실 분들은 이 페이지를 참고하여 주세요

http://ipl.cnu.ac.kr/mayadata/harris/harris_corner_detector.htm

그리고 위에 설명에 사용된 그림은

lect9-slides.pdf

을 참고하시기 바랍니다.

SIFT의 동작은

아래와 같이 호출됩니다.

int sift_features( IplImage* img, struct feature** feat )

{

  return _sift_features( img, feat,

SIFT_INTVLS,

SIFT_SIGMA,

SIFT_CONTR_THR,

                         SIFT_CURV_THR,

SIFT_IMG_DBL,

SIFT_DESCR_WIDTH,

                         SIFT_DESCR_HIST_BINS );

}

영상과 feature는 포인터로 전달되고 나머지는  매크로로 정의되어 있습니다. 이렇게 하면

최상위 함수는 매크로에 따라 파라미터를 줄 수 있고 이하 하위 함수들은 인자들을 기반으로 할 수 있으므로

프로그램 테스트 등이 편리해집니다.

정의된 매크로들은 나중에 코드를 읽어가면서 새로운 그리고 필요한 매크로가 나온다면, 그때마다

하나씩 확인해 가기로 하고 여기서는 건너 뜁니다.

실제 호출은 위의 코드에서 보는 바와 같이 _sift_features를 호출하여 구동합니다.

이 함수는 다음과 같은 순서로 동작합니다.

1. 인자를 검사해서 오류가 있는지 확인을 합니다.

2. 주어진 이미지로 이미지 피라미드를 구축합니다.

3. 구축한 이미지 피라미드에서 DoG를 구축합니다.

4. DoG에서 특징점들을 추출하고

5. 특징점 을 좌표에 매핑하고,

6. 특징점 기술자들을 논문대로 정리한다.

이를 위한 호툴된 함수는 다음과 같습니다.

기계적으로 따라갑니다.

int _sift_features( IplImage* img, struct feature** feat, int intvls,

                    double sigma, double contr_thr, int curv_thr,

                    int img_dbl, int descr_width, int descr_hist_bins )

{

  IplImage* init_img;

  IplImage*** gauss_pyr, *** dog_pyr;

  CvMemStorage* storage;

  CvSeq* features;

  int octvs, i, n = 0;

  /* check arguments  

인자를 검사한다. NULL Pointer이면 에러를 출력한다.*/

  if( ! img )

    fatal_error( "NULL pointer error, %s, line %d",  __FILE__, __LINE__ );

  if( ! feat )

    fatal_error( "NULL pointer error, %s, line %d",  __FILE__, __LINE__ );

  /* build scale space pyramid; smallest dimension of top level is ~4 pixels

      이미지 피라미드를 구축한다.

     최상위 피라미드는 그 크기가 4 픽셀 정도이다.

   */

/* 최초의 이미지를 만들어 냅니다.

   이 이미지는 그레이 스케일로 생성됩니다.. */

  init_img = create_init_img( img, img_dbl, sigma );

  octvs = log( MIN( init_img->width, init_img->height ) ) / log(2) - 2;

/* 이미지를  가지고 가우시안 스케일 피라미드를 구성합니다. */

  gauss_pyr = build_gauss_pyr( init_img, octvs, intvls, sigma );

/* DoG 이미지 피라미드를 구성합니다. */

  dog_pyr = build_dog_pyr( gauss_pyr, octvs, intvls );

  storage = cvCreateMemStorage( 0 );

DoG에서 특징점들을 열심히 추출합니다.

  features = scale_space_extrema(

dog_pyr,

octvs,

intvls,

contr_thr,

                            curv_thr,

storage );

/* 추출된 특징들의 특성들을 계산합니다. */

  calc_feature_scales( features, sigma, intvls );

/*  이미지가 2배로 키워서 특징점들을 추출하였을 경우 이를 다시 조절합니다. */

  if( img_dbl )

    adjust_for_img_dbl( features );

/* 정규 좌표를 계산합니다. */

  calc_feature_oris( features, gauss_pyr );

/* Lowe’s Paper 6절에 따라서 특징점 기술자를 만들어냅니다. */

  compute_descriptors( features, gauss_pyr, descr_width, descr_hist_bins );

  /* sort features by decreasing scale and move from CvSeq to array */

  cvSeqSort( features, (CvCmpFunc)feature_cmp, NULL );

  n = features->total;

  *feat = calloc( n, sizeof(struct feature) );

  *feat = cvCvtSeqToArray( features, *feat, CV_WHOLE_SEQ );

  for( i = 0; i < n; i++ )

    {

      free( (*feat)[i].feature_data );

      (*feat)[i].feature_data = NULL;

    }

  cvReleaseMemStorage( &storage );

  cvReleaseImage( &init_img );

  release_pyr( &gauss_pyr, octvs, intvls + 3 );

  release_pyr( &dog_pyr, octvs, intvls + 2 );

  return n;

}

Alpha Blending

알파 블랜딩을 OpenCV에서 하는 것을 구현해 보았습니다.

코드를 읽어가면서 정리하였습니다.

1. 프로그램의 순서

순서는 다음과 같습니다.

(1) 이미지 화일을 읽어들이고

      ...

      cvLoadImage

  ...

(2) 알파블랜딩할 이미지를 만듭니다. - 이경우는 만들었지만 다른 이미지를 사용해도 됩니다.

...

cvFillPoly

...

(3) 원본 이미지와 알파블랜딩할 이미지의 크기가 틀리다면

      ROI로 서로의 크기를 맞추어 줍니다.

.....

cvSetImageROI

....

cvResetImageROI

...

(4) 적절한 비율로 블랜딩합니다.

....

cvAddWeighted

....

(5) 이후에 정리합니다.

  cvSaveImage(argv[2] , imgA );

  .....

      cvReleaseImage(&imgA);

      cvReleaseImage(&imgB);

2. 새로운 함수

2.1 cvFillPoly

여기에서 새로 나온 이미지 처리 함수는 다음과 같습니다.

cvFillPoly

2차원 폴리곤을 만들어서 그 폴리곤을 그리고 내부를 채웁니다.

폴리곤의 꼭지점 개수는 제한이 없습니다. 다만 시작하기 전에 해당 폴리곤의 꼭지점 개수를 알려주어야 합니다.

이 함수를 사용하기 위해서 다음과 같은 순서로 합니다.

(1)  폴리곤을 만듭니다. 이 프로그램에서 코드는 아래와 같습니다.

  ....

  CvPoint imgb_rectangle_pts[4] = { cvPoint( 0, 0) ,

    cvPoint(0,imgb_size.width),

    cvPoint(imgb_size.height,imgb_size.width),

    cvPoint(imgb_size.height,0)

  };

   ...

  CvPoint *PointArray[2] = { & imgb_rectangle_pts[0]  , 0 } ;

  ...

 (2) 폴리곤의 개수와 각 폴리곤의 꼭지점 개수를 정합니다.

  int PolyVertexNumber[2] = { 4 , 0 } ;

  int PolyNumber = 1 ;

  지금은 하나뿐이므로, 한개의 폴리곤만을 지정한다.

 (3) 그리고 함수를 호출합니다.

  cvFillPoly(imgB ,

    PointArray ,

    PolyVertexNumber ,

    PolyNumber,

    CV_RGB(5,5,5),8,0);

2.2 cvAddWeighted

알파블랜딩을 해주는 함수입니다.

사용은 쉽습니다.

각 이미지 별로 가중치를 곱해서 더하는 것입니다

호출은 아래와 같습니다.

  ......

  double alpha = 0.5 ;

  double beta  = 1.0 - alpha ;

  cvAddWeighted(imgA, alpha , imgB , beta , 0.0 , imgA );

  ......

3. 전체 코드

전체 코드는 아래와 같습니다.

--------------------------------------------------------------------------------------------------

#include <stdio.h>

#include <unistd.h>

#include <string.h>

#include <errno.h>

#include <opencv/cv.h>

#include <opencv/highgui.h>

int main(int argc , char * argv[] ){

  // 파라미터를 체크합니다.

  // 귀찮으니까 간단하게 개수만 체크합니다.

  if( argc < 2 )

   {

      printf("usage : alpha src dst\n");

      exit(0);

   }

  // 원본 이미지를 읽어들입니다.

  IplImage *imgA = cvLoadImage( argv[1] , 1);

  //알파 블랜딩할 이미지를 만듭니다. 사각형으로 만들기로 하겠습니다.

  //입력되는 이미지의 크기가 정해진 것이 아니므로,

  //입력 이미지의 크기를 갖고 와서 상대적으로 높이를 맞춥니다.

  //넓이는 150 픽셀 정도로 맞춥니다.

  CvSize imga_size = cvGetSize(imgA);

  CvSize imgb_size = cvSize(150,imga_size.height);

  IplImage *imgB = cvCreateImage( imgb_size  , IPL_DEPTH_8U, 3);

  // 이제 내부에 채워지는 4각형을 만듭니다.

  // 사용할 함수는 cvFillPoly 입니다.

  CvPoint imgb_rectangle_pts[4] = { cvPoint( 0, 0) ,

    cvPoint(0,imgb_size.width),

    cvPoint(imgb_size.height,imgb_size.width),

    cvPoint(imgb_size.height,0)

  };

  CvPoint *PointArray[2] = { & imgb_rectangle_pts[0]  , 0 } ;

  int PolyVertexNumber[2] = { 4 , 0 } ;

  int PolyNumber = 1 ;

  cvFillPoly(imgB ,

    PointArray ,

    PolyVertexNumber ,

    PolyNumber,

    CV_RGB(5,5,5),8,0);

  // 원본 이미지와, 채울 이미지의 크기가 틀리기 때문에 원본 이미지에서 관심 대상

  // 영역을 설정합니다.

  cvSetImageROI(imgA, cvRect(0,0,imgb_size.width,imgb_size.height));

  // 드디어 알파블랜딩을 합니다. 

  double alpha = 0.5 ;

  double beta  = 1.0 - alpha ;

  cvAddWeighted(imgA, alpha , imgB , beta , 0.0 , imgA );

  // 이제 관심 영역으로 설정된 것을 풉니다.

  cvResetImageROI(imgA);

  // 폰트를 정합니다.

  CvFont font1;

  double hscale = 0.5;

  double vscale = 0.5;

  double shear = 0.0;

  int thickness = 1;

  int line_type = CV_AA;

  cvInitFont(&font1,CV_FONT_HERSHEY_COMPLEX,hscale,vscale,shear,thickness,line_type);

  // 글을 집어 넣습니다.

  cvPutText(imgA,"GUNDAM",cvPoint( 0,100) ,&font1,CV_RGB(255,255,255));

  cvPutText(imgA,"Red Commet",cvPoint( 0,120) ,&font1,CV_RGB(255,255,255));

  // 화면에 출력하고

  cvNamedWindow( "ImageA-1", 1) ;

  cvShowImage( "ImageA-1", imgA );

  cvWaitKey(0);

  cvDestroyWindow("ImageA-1");

  // 파일은 따로 저장합니다.

  cvSaveImage(argv[2] , imgA );

  // 그리고 끝냅니다.

  cvReleaseImage(&imgA);

  cvReleaseImage(&imgB);

}//end of main

--------------------------------------------------------------------------------------------------

4. 처리 결과

다음 그림은 그 결과입니다.

JPEG2AVI 를 맥에서 빌드하기

소스 코드는 이곳에서 다운로드 하면 됩니다.

http://sourceforge.net/projects/jpegtoavi/

README를 읽어보면 큰 문제는 없습니다. 그냥  make all을 하면 된다고 합니다.

하지만

make all

을 하면 다음과 같은 에러가 발생합니다.

gcc  -O3 -Wall -ansi -g -DLINUX -D__UNIX__ -DVERSION_MIN=5 -DVERSION_MAJ=1 -DVERBOSE=0 -c jpegtoavi.c -o jpegtoavi.o

In file included from jpegtoavi.c:28:

byteswap.h:5:20: error: endian.h: No such file or directory

byteswap.h:10:3: error: #error "Aiee: __BYTE_ORDER not defined\n";

jpegtoavi.c: In function ‘main’:

jpegtoavi.c:204: error: ‘off64_t’ undeclared (first use in this function)

jpegtoavi.c:204: error: (Each undeclared identifier is reported only once

jpegtoavi.c:204: error: for each function it appears in.)

jpegtoavi.c:204: error: syntax error before ‘jpg_sz_64’

jpegtoavi.c:206: error: nested functions are disabled, use -fnested-functions to re-enable

jpegtoavi.c:206: error: syntax error before ‘MAX_RIFF_SZ’

jpegtoavi.c:344: error: ‘jpg_sz_64’ undeclared (first use in this function)

jpegtoavi.c:351: error: ‘riff_sz_64’ undeclared (first use in this function)

jpegtoavi.c:354: error: ‘MAX_RIFF_SZ’ undeclared (first use in this function)

(1) endian.h는 machine/endian.h에 있다.

이를 수정한다.

== WAS ==

#include <endian.h>

#include <sys/types.h>

== IS ==

#include <machine/endian.h>

#include <sys/types.h>

(2) 나머지 에러는 그냥 다음과 같이 하여서 코드에 추가합니다.

#ifndef _OFF64_T_DEFINED

#define _OFF64_T_DEFINED

        typedef long long  off64_t;

#endif

그 후에 컴파일 하면 빌드가 잘 됩니다.

사용법은 간단합니다. 헬프를 치면 금방 알 수 있습니다.

jpg2avi -f fps imagesize jpegfile list > dst.avi

     -f fps : frame per second입니다.

     imagesize : Width , Height를 구분하여 입력합니다.

    그리고 jpeg file 이름을 나열합니다.

좀 황당한것이 avi 파일로 받기 위해서는 파이프를 통하여 받습니다.

파일로 세이브 할 것이지 정말..

하여튼 동작은 잘 합니다.

 ./jpegtoavi -f 1 844 633  IMG_1.jpg IMG_2.jpg IMG_3.jpg IMG_3.jpg IMG_4.jpg IMG_5.jpg IMG_6.jpg IMG_7.jpg IMG_8.jpg IMG_9.jpg > img.avi

첨부 파일은 img.avi를 올렸습니다.

다 올리고 홈피에 올리니,

사파리에서는 동영상이 잘 안보이네요

익스플로어에서는 보이는데,

이러다가 사파리를 고쳐야 할런지도~