opencv使用cvMatFromUIImage,内存泄漏飙升问题

由于最近做项目要使用opencv的原因,需要使用到这个功能

是要将image 转成 cv::Mat 识别

- (cv::Mat)cvMatFromUIImage:(UIImage*)image{

    @autoreleasepool {

           CGColorSpaceRef colorSpace = CGImageGetColorSpace(image.CGImage);

           CGFloatcols = image.size.width;

           CGFloatrows = image.size.height;

           cv::Mat cvMat(rows, cols, CV_8UC4); // 8 bits per component, 4 channels (color channels + alpha)

           CGContextRefcontextRef =CGBitmapContextCreate(cvMat.data,                // Pointer to  data

                                                           cols,                      // Width of bitmap

                                                           rows,                      // Height of bitmap

                                                           8,                          // Bits per component

                                                           cvMat.step[0],              // Bytes per row

                                                           colorSpace,                // Colorspace

                                                           // kCGImageAlphaNoneSkipLast |kCGBitmapByteOrderDefault // 此处有修改适配laplacian的接入色值转换

                                                           kCGBitmapByteOrder32Little|kCGImageAlphaPremultipliedFirst);// Bitmap info flags

           CGContextDrawImage(contextRef,CGRectMake(0,0, cols, rows), image.CGImage);

           CGColorSpaceRelease(colorSpace);

           CGContextRelease(contextRef);

           colorSpace =NULL;

           contextRef =NULL;


           returncvMat;

    }

}


而且这个方法要频繁使用,会导致内存不断飙升,最终闪退。使用了@autoreleasepool {} 和           CGColorSpaceRelease(colorSpace);     CGContextRelease(contextRef); 释放内存和管理,都发现没用,很崩溃!目前似乎都还没解决成功。

最终使用了其他方式:UIImage --> base64 --> CVMat  完美解决了。但是识别率下降了

代码如下

-(NSString *)UIImageToBase64Str:(UIImage *) image{

    NSData *data = UIImagePNGRepresentation(image);

    NSString* str  =      [database64EncodedStringWithOptions:NSDataBase64Encoding64CharacterLineLength];

    return str;

}


static cv::MatBase2Mat(std::string&base64_data) {

    cv::Mat img;

    std::strings_mat;

    s_mat =base64Decode(base64_data.data(), base64_data.size());

    std::vector base64_img(s_mat.begin(), s_mat.end());

    img =cv::imdecode(base64_img, CV_LOAD_IMAGE_COLOR);

    return img;

}


staticstd::stringbase64Decode(constchar* Data,intDataByte) {

    //解码表

    constcharDecodeTable[] =

    {

        0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,

        0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,

        62,// '+'

        0,0,0,

        63,// '/'

        52,53,54,55,56,57,58,59,60,61,// '0'-'9'

        0,0,0,0,0,0,0,

        0,1,2,3,4,5,6,7,8,9,10,11,12,

        13,14,15,16,17,18,19,20,21,22,23,24,25,// 'A'-'Z'

        0,0,0,0,0,0,

        26,27,28,29,30,31,32,33,34,35,36,37,38,

        39,40,41,42,43,44,45,46,47,48,49,50,51,// 'a'-'z'

    };

    std::stringstrDecode;

    intnValue;

    inti =0;

    while(i < DataByte) {

        if(*Data !='\r'&& *Data !='\n') {

            nValue = DecodeTable[*Data++] <<18;

            nValue += DecodeTable[*Data++] <<12;

            strDecode += (nValue &0x00FF0000) >>16;

            if(*Data !='=') {

                nValue += DecodeTable[*Data++] <<6;

                strDecode += (nValue &0x0000FF00) >>8;

                if(*Data !='=') {

                    nValue += DecodeTable[*Data++];

                    strDecode += nValue &0x000000FF;

                }

            }

            i +=4;

        }

        else{

            Data++;

            i++;

        }

    }

    returnstrDecode;

}

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,378评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,356评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,702评论 0 342
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,259评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,263评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,036评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,349评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,979评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,469评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,938评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,059评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,703评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,257评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,262评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,485评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,501评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,792评论 2 345

推荐阅读更多精彩内容