• 16、【opencv入门】创建Trackbar & 图像对比度、亮度值调整


    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 }

  • 相关阅读:
    使用 dataset 管理数据(官网)
    Echarts-主题切换
    Echarts-数据的视觉映射
    【洛谷P3082】【USACO13MAR】—项链Necklace(Kmp+DP)
    【洛谷P3082】【USACO13MAR】—项链Necklace(Kmp+DP)
    【洛谷P3706】【SDOI2017】—硬币游戏(哈希+高斯消元)
    【洛谷P3706】【SDOI2017】—硬币游戏(哈希+高斯消元)
    【洛谷P3426】【POI2005】—SZA-Template(Kmp+链表)
    【洛谷P3426】【POI2005】—SZA-Template(Kmp+链表)
    【BZOJ4974】【Lydsy1708月赛】—字符串大师(Kmp)
  • 原文地址:https://www.cnblogs.com/Long-w/p/9663299.html
Copyright © 2020-2023  润新知