一、OpenCV中轨迹条(Trackbar)的创建和使用
1、createTrackbar函数详解
createTrackbar这个函数可以创建一个可以调整数值的轨迹条,并将轨迹条附加到指定的窗口上,使用起来很方便。首先大家要记住,它往往会和一个回调函数配合起来使用。先看下他的函数原型:
1 C++: int createTrackbar(conststring& trackbarname, conststring& winname, int* value, int count, TrackbarCallback onChange=0,void* userdata=0);
1 第一个参数,const string&类型的trackbarname,表示轨迹条的名字,用来代表我们创建的轨迹条。
2 第二个参数,const string&类型的winname,填窗口的名字,表示这个轨迹条会依附到哪个窗口上,即对应namedWindow()创建窗口时填的某一个窗口名。
3 第三个参数,int* 类型的value,一个指向整型的指针,表示滑块的位置。并且在创建时,滑块的初始位置就是该变量当前的值。
4 第四个参数,int类型的count,表示滑块可以达到的最大位置的值。PS:滑块最小的位置的值始终为0。
5 第五个参数,TrackbarCallback类型的onChange,首先注意他有默认值0。这是一个指向回调函数的指针,每次滑块位置改变时,这个函数都会进行回调。并且这个函数的原型必须为void XXXX(int,void*);
其中第一个参数是轨迹条的位置,
第二个参数是用户数据(看下面的第六个参数)。
如果回调是NULL指针,表示没有回调函数的调用,仅第三个参数value有变化。
6 第六个参数,void*类型的userdata,他也有默认值0。这个参数是用户传给回调函数的数据,用来处理轨迹条事件。如果使用的第三个参数value实参是全局变量的话,完全可以不去管这个userdata参数。
这个createTrackbar函数,为我们创建一个具有特定名称和范围的轨迹条(Trackbar,或者说是滑块范围控制工具),指定一个和轨迹条位置同步的变量。而且要指定回调函数onChange(第五个参数),在轨迹条位置改变的时候来调用这个回调函数。并且我们知道,创建的轨迹条显示在指定的winname(第二个参数)所代表的窗口上。
示例:
1 //创建轨迹条
2 createTrackbar("对比度:", "【效果图窗口】",&g_nContrastValue,300,ContrastAndBright );// g_nContrastValue为全局的整型变量,ContrastAndBright为回调函数的函数名(即指向函数地址的指针)
【完整示例】
这是OpenCV官方的sample示例程序,一个演示了用轨迹条来控制轮廓检测,轮廓填充的程序。
1 //Trackbar 滑块 滚动条 createTrackbar()函数的使用
2 //图像对比度 亮度值的调整
3 #include "opencv2/imgproc/imgproc.hpp"
4 #include "opencv2/highgui/highgui.hpp"
5 #include <iostream>
6
7 using namespace cv;
8 using namespace std;
9
10 Mat img;
11 int threshval = 160; //轨迹条滑块对应的值,给初值160
12
13 //轨迹条的回调函数
14 static void on_trackbar(int, void*)
15 {
16 //三元操作 判断表达式?A表达式:B表达式
17 //如果表达式为真,则执行A,否则执行B
18 Mat bw = threshval < 128 ? (img < threshval) : (img > threshval);
19
20 //定义点和向量
21 vector<vector<Point> > contours;
22 vector<Vec4i> hierarchy;
23
24 //查找轮廓
25 findContours( bw, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );
26 //初始化dst,dst大小与img一样,初始化为全0
27 Mat dst = Mat::zeros(img.size(), CV_8UC3);
28 //开始处理
29 if( !contours.empty() && !hierarchy.empty() )
30 {
31 //遍历所有顶层轮廓,随机生成颜色值绘制给各连接组成部分
32 int idx = 0;
33 for( ; idx >= 0; idx = hierarchy[idx][0] )
34 {
35 Scalar color( (rand()&255), (rand()&255), (rand()&255) );
36 //绘制填充轮廓
37 drawContours( dst, contours, idx, color, CV_FILLED, 8, hierarchy );
38 }
39 }
40 //显示窗口
41 imshow( "Connected Components", dst );
42 }
43
44
45 //-----------------------------------【main( )函数】--------------------------------------------
46 // 描述:控制台应用程序的入口函数,我们的程序从这里开始
47 //-----------------------------------------------------------------------------------------------
48 int main( )
49 {
50 //载入灰度图片
51 img = imread("2.jpg", 0);
52 //img = imread("2.jpg");
53 if( !img.data )
54 {
55 cout << "载入失败!" << endl;
56 return -1;
57 }
58
59 //显示原图
60 namedWindow( "Image", 1 );
61 imshow( "Image", img );
62
63 //创建处理窗口
64 namedWindow( "Connected Components", 1 );
65 //创建轨迹条
66 createTrackbar( "Threshold", "Connected Components", &threshval, 255, on_trackbar );
67 on_trackbar(threshval, 0);//轨迹条回调函数
68
69 waitKey(0);
70 return 0;
71 }
2、获取当前轨迹条的位置——getTrackbarPos函数
这个函数用于获取当前轨迹条的位置并返回。函数原型如下:
C++: int getTrackbarPos(conststring& trackbarname, conststring& winname);
- 第一个参数,const string&类型的trackbarname,表示轨迹条的名字。
- 第二个参数,const string&类型的winname,表示轨迹条的父窗口的名称。
二、亮度和对比度调整的理论依据
首先我们给出算子的概念。一般的图像处理算子都是一个函数,它接受一个或多个输入图像,并产生输出图像。下式给出了算子的一般形式:
图像亮度和对比度的调整操作,其实属于图像处理变换中比较简单的一种——点操作(pointoperators)。点操作有一个特点,仅仅根据输入像素值(有时可加上某些全局信息或参数),来计算相应的输出像素值。这类算子包括亮度(brightness)和对比度(contrast)调整,以及颜色校正(colorcorrection)和变换(transformations)。
最两种常用的点操作(或者说点算子),很显然,是乘上一个常数(对应对比度的调节)以及加上一个常数(对应亮度值的调节)。用公式表示出来就是这样:
其中:
- 参数f(x)表示源图像像素。
- 参数g(x) 表示输出图像像素。
- 参数a(需要满足a>0)被称为增益(gain),常常被用来控制图像的对比度。
- 参数b通常被称为偏置(bias),常常被用来控制图像的亮度。
更进一步,上述公式可以改写为如下形式:
其中,i 和 j 表示像素位于第i行 和 第j列 。那么,这个式子就可以用来作为我们在OpenCV中控制图像的亮度和对比度的理论公式了。
三、关于访问图片中的像素
为了执行 这个运算 ,我们需要访问图像的每一个像素。因为是对GBR图像进行运算,每个像素有三个值(G、B、R),所以我们必须分别访问它们(PS:OpenCV中的图像存储模式为GBR)。以下是访问像素的代码片段,三个for循环解决问题:
1 //三个for循环,执行运算 new_image(i,j) =a*image(i,j) + b
2 for(int y = 0; y < image.rows; y++ )
3 {
4 for(int x = 0; x < image.cols; x++ )
5 {
6 for(int c = 0; c < 3; c++ )
7 {
8 new_image.at<Vec3b>(y,x)[c]= saturate_cast<uchar>( (g_nContrastValue*0.01)*(image.at<Vec3b>(y,x)[c] ) + g_nBrightValue );
9 }
10 }
11 }
让我们分三个方面进行讲解:
- 为了访问图像的每一个像素,我们使用这样的语法: image.at<Vec3b>(y,x)[c]因为我们的运算结果可能超出像素取值范围(溢出),还可能是非整数(如果是浮点数的话),所以我们要用saturate_cast对结果进行转换,以确保它为有效值。
- 其中,y是像素所在的行, x是像素所在的列, c是R、G、B(对应0、1、2)其中之一。
- 这里的a也就是对比度,一般为了观察的效果,取值为0.0到3.0的浮点值,但是我们的轨迹条一般取值都会整数,所以在这里我们可以,将其代表对比度值的nContrastValue参数设为0到300之间的整型,在最后的式子中乘以一个0.01,这样就可以完成轨迹条中300个不同取值的变化。所以在式子中,我们会看到saturate_cast<uchar>( (g_nContrastValue*0.01)*(image.at<Vec3b>(y,x)[c] ) + g_nBrightValue )中的g_nContrastValue*0.01。
【示例】
1 //通过滑块来调整图像的亮度和对比度 2 #include <opencv2/core/core.hpp> 3 #include<opencv2/highgui/highgui.hpp> 4 #include"opencv2/imgproc/imgproc.hpp" 5 #include <iostream> 6 7 using namespace std; 8 using namespace cv; 9 10 //全局函数声明 11 static void ContrastAndBright(int, void *); 12 13 //全局变量声明 14 int g_nContrastValue; //对比度值 15 int g_nBrightValue; //亮度值 16 Mat g_srcImage,g_dstImage; 17 18 int main( ) 19 { 20 //读入用户提供的图像 21 g_srcImage= imread( "1.jpg"); 22 if(!g_srcImage.data ) 23 { 24 cout << "载入错误!" << endl; 25 return false; 26 } 27 28 g_dstImage= Mat::zeros( g_srcImage.size(), g_srcImage.type() ); 29 30 //设定对比度和亮度的初值 31 g_nContrastValue=80; 32 g_nBrightValue=80; 33 34 //创建窗口 35 namedWindow("效果图窗口", 1); 36 37 //创建轨迹条 38 createTrackbar("对比度:", "效果图窗口",&g_nContrastValue,300,ContrastAndBright ); 39 createTrackbar("亮 度:","效果图窗口",&g_nBrightValue,200,ContrastAndBright ); 40 41 //调用回调函数 42 ContrastAndBright(g_nContrastValue,0); 43 ContrastAndBright(g_nBrightValue,0); 44 45 //输出一些帮助信息 46 cout<<endl<<" 嗯。好了,请调整滚动条观察图像效果~ " 47 <<" 按下“q”键时,程序退出~! "; 48 49 //按下“q”键时,程序退出 50 while(char(waitKey(1)) != 'q') {} 51 return 0; 52 } 53 54 //改变图像对比度和亮度值的回调函数 55 static void ContrastAndBright(int, void *) 56 { 57 58 //创建窗口 59 namedWindow("原始图窗口", 1); 60 61 //三个for循环,执行运算 g_dstImage(i,j) =a*g_srcImage(i,j) + b 62 for(int y = 0; y < g_srcImage.rows; y++ ) 63 { 64 for(int x = 0; x < g_srcImage.cols; x++ ) 65 { 66 for(int c = 0; c < 3; c++ ) 67 { 68 g_dstImage.at<Vec3b>(y,x)[c]= saturate_cast<uchar>( (g_nContrastValue*0.01)*(g_srcImage.at<Vec3b>(y,x)[c] ) + g_nBrightValue ); 69 } 70 } 71 } 72 73 //显示图像 74 imshow("原始图窗口", g_srcImage); 75 imshow("效果图窗口", g_dstImage); 76 }
效果图:
65 {
66 for(int c = 0; c < 3; c++ )
67 {
68 g_dstImage.at<Vec3b>(y,x)[c]= saturate_cast<uchar>( (g_nContrastValue*0.01)*(g_srcImage.at<Vec3b>(y,x)[c] ) + g_nBrightValue );
69 }
70 }
71 }
72
73 //显示图像
74 imshow("原始图窗口", g_srcImage);
75 imshow("效果图窗口", g_dstImage);
76 }