一个字符编码引发的惨案……

今天，开开心心学习 opencv 的 C++ 源码，在匹配 SURF 特征的源码中，Debug 出现：

定位到 bug 行：

有毛病吗？没毛病啊！

我是从这里复制的啊

然后，把路径赋值给 char 变量，cout 一下，多了一个问号？？？？

看来是复制过来的字符编码有问题，有时候眼见不一定为实啊！

手动输入后，Debug

这就很正常了嘛

源码：

#include <iostream>  
#include<opencv2\opencv.hpp>  
#include"opencv2/xfeatures2d.hpp"  

using namespace cv;
using namespace std;
using namespace cv::xfeatures2d;
using namespace cv::ml;

int main()
{
	Mat a = imread("C:/Users/Lee/Desktop/frame10.png", 0);    //读取灰度图像  
	Mat b = imread("C:/Users/Lee/Desktop/frame11.png", 0);

	Ptr<SURF> surf;                   //创建方式和opencv2中的不一样  
									  //  Ptr<SIFT> sift;  
	surf = SURF::create(800);       //阈值  

	BFMatcher matcher;                //匹配器  
	Mat c, d;
	vector<KeyPoint> key1, key2;
	vector<DMatch> matches;

	//结果为一个Mat矩阵，它的行数与特征点向量中元素个数是一致的。每行都是一个N维描述子的向量  
	surf->detectAndCompute(a, Mat(), key1, c);      //检测关键点和匹配描述子  
	surf->detectAndCompute(b, Mat(), key2, d);

	matcher.match(c, d, matches);         // 匹配，得到匹配向量  

	sort(matches.begin(), matches.end());  // 匹配点排序  
	vector< DMatch > good_matches;            // 匹配两幅图像的描述子  
	int ptsPairs = min(50, (int)(matches.size() * 0.15));
	cout << ptsPairs << endl;
	for (int i = 0; i < ptsPairs; i++)       // 将匹配较好的特征点存入good_matches中  
	{
		good_matches.push_back(matches[i]);
	}
	Mat outimg;
	drawMatches(                               // 绘制匹配点  
		a,                                    // 原图像1  
		key1,                                 // 原图像1的特征点  
		b,                                    // 原图像2  
		key2,                                 // 原图像2的特征点  
		good_matches,                         // 原图像1的特征点匹配原图像2的特征点[matches[i]]  
		outimg,                               // 输出图像具体由flags决定  
		Scalar::all(-1),                    // 匹配的颜色（特征点和连线),若matchColor==Scalar::all(-1)，颜色随机  
		Scalar::all(-1),                    // 单个点的颜色，即未配对的特征点，若matchColor==Scalar::all(-1)，颜色随机  
		vector<char>(),                       // Mask决定哪些点将被画出，若为空，则画出所有匹配点  
		DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);  //Fdefined by DrawMatchesFlags  

	imshow("匹配图", outimg);
	waitKey();

	vector<Point2f> obj;
	vector<Point2f> scene;

	for (size_t i = 0; i < good_matches.size(); i++)
	{
		////good_matches[i].queryIdx保存着第一张图片匹配点的序号，keypoints_1[good_matches[i].queryIdx].pt.x 为该序号对应的点的x坐标  
		obj.push_back(key1[good_matches[i].queryIdx].pt);
		scene.push_back(key2[good_matches[i].trainIdx].pt);
	}

	vector<Point2f> scene_corners(4);
	vector<Point2f> obj_corners(4);
	obj_corners[0] = Point(0, 0);
	obj_corners[1] = Point(a.cols, 0);
	obj_corners[2] = Point(a.cols, a.rows);
	obj_corners[3] = Point(0, a.rows);

	Mat H = findHomography(              // 在两个平面之间寻找单映射变换矩阵  
		obj,                            // 在原平面上点的坐标  
		scene,                          // 在目标平面上点的坐标  
		RANSAC);                        // 用于计算单映射矩阵的方法  

	perspectiveTransform(                // 向量组的透视变换  
		obj_corners,                    // 输入两通道或三通道的浮点数组，每一个元素是一个2D/3D 的矢量转换  
		scene_corners,                  // 输出和src同样的size和type  
		H);                             // 3x3 或者4x4浮点转换矩阵  


										// 绘制  
	line(outimg, scene_corners[0] + Point2f((float)a.cols, 0), scene_corners[1] + Point2f((float)a.cols, 0), Scalar(0, 255, 0), 2, LINE_AA);
	line(outimg, scene_corners[1] + Point2f((float)a.cols, 0), scene_corners[2] + Point2f((float)a.cols, 0), Scalar(0, 255, 0), 2, LINE_AA);
	line(outimg, scene_corners[2] + Point2f((float)a.cols, 0), scene_corners[3] + Point2f((float)a.cols, 0), Scalar(0, 255, 0), 2, LINE_AA);
	line(outimg, scene_corners[3] + Point2f((float)a.cols, 0), scene_corners[0] + Point2f((float)a.cols, 0), Scalar(0, 255, 0), 2, LINE_AA);
	imshow("匹配图", outimg);
	waitKey(0);
}