1.对比度、亮度值调整
(1)图像处理算子
g(i,j)=a*f(i,j)+b
//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，常常被用来控制图像的亮度(2)对比度、亮度值调整程序分析
轨迹条创建
//创建窗口
namedWindow("【效果图窗口】", 1);
//创建轨迹条
createTrackbar("对比度：", "【效果图窗口】",&g_nContrastValue, 300,ContrastAndBright );
//轨迹条名称 所属图片名称 当前值 最大值 函数
createTrackbar("亮 度：", "【效果图窗口】",&g_nBrightValue, 200,ContrastAndBright );
程序分析
//-----------------------------【ContrastAndBright( )函数】------------------------------------
// 描述：改变图像对比度和亮度值的回调函数
//-----------------------------------------------------------------------------------------------
static void ContrastAndBright(int, void *)
{
// 创建窗口
namedWindow("【原始图窗口】", 1);
// 三个for循环，执行运算 g_dstImage(i,j) = a*g_srcImage(i,j) + b
for( int y = 0; y < g_srcImage.rows; y++ )
{
for( int x = 0; x < g_srcImage.cols; x++ )
{
for( int c = 0; c < 3; c++ )
{
g_dstImage.at<Vec3b>(y,x)[c] = saturate_cast<uchar>( (g_nContrastValue*0.01)*( g_srcImage.at<Vec3b>(y,x)[c] ) + g_nBrightValue );
//y行 x列 c (B/G/R)(0/1/2) saturate_cast确保值有效 对比度值 亮度值
}
}
}
// 显示图像
imshow("【原始图窗口】", g_srcImage);
imshow("【效果图窗口】", g_dstImage);
}
2.离散傅里叶代码分析
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
int main( )
{
//【1】以灰度模式读取原始图像并显示
Mat srcImage = imread("1.jpg", 0);
if(!srcImage.data ) { printf("读取图片错误，请确定目录下是否有imread函数指定图片存在~！ \n"); return false; }
imshow("原始图像" , srcImage);
//【2】将输入图像延扩到最佳的尺寸，边界用0补充
int m = getOptimalDFTSize( srcImage.rows );//.rows
int n = getOptimalDFTSize( srcImage.cols ); //.cols
//将添加的像素初始化为0.
Mat padded;
copyMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n - srcImage.cols, BORDER_CONSTANT, Scalar::all(0));
//src dst 上 下 左 右
//【3】为傅立叶变换的结果(实部和虚部)分配存储空间。
//将planes数组组合合并成一个多通道的数组complexI
Mat planes[] = {Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F)};
Mat complexI;
merge(planes, 2, complexI); //src 个数 dst
//【4】进行就地离散傅里叶变换
dft(complexI, complexI); //src dst
//【5】将复数转换为幅值，即=> log(1 + sqrt(Re(DFT(I))^2 + Im(DFT(I))^2))
split(complexI, planes); // 将多通道数组complexI分离成几个单通道数组，planes[0] = Re(DFT(I), planes[1] = Im(DFT(I))
magnitude(planes[0], planes[1], planes[0]);// planes[0] = magnitude
Mat magnitudeImage = planes[0];
//【6】进行对数尺度(logarithmic scale)缩放
magnitudeImage += Scalar::all(1);
log(magnitudeImage, magnitudeImage);//求自然对数
//【7】剪切和重分布幅度图象限
//若有奇数行或奇数列，进行频谱裁剪
magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols & -2, magnitudeImage.rows & -2));
//重新排列傅立叶图像中的象限，使得原点位于图像中心
int cx = magnitudeImage.cols/2;
int cy = magnitudeImage.rows/2;
Mat q0(magnitudeImage, Rect(0, 0, cx, cy)); // ROI区域的左上
Mat q1(magnitudeImage, Rect(cx, 0, cx, cy)); // ROI区域的右上
Mat q2(magnitudeImage, Rect(0, cy, cx, cy)); // ROI区域的左下
Mat q3(magnitudeImage, Rect(cx, cy, cx, cy)); // ROI区域的右下
//交换象限（左上与右下进行交换）
Mat tmp;
q0.copyTo(tmp);
q3.copyTo(q0);
tmp.copyTo(q3);
//交换象限（右上与左下进行交换）
q1.copyTo(tmp);
q2.copyTo(q1);
tmp.copyTo(q2);
//【8】归一化，用0到1之间的浮点值将矩阵变换为可视的图像格式
//此句代码的OpenCV2版为：
//normalize(magnitudeImage, magnitudeImage, 0, 1, CV_MINMAX);
//此句代码的OpenCV3版为:
normalize(magnitudeImage, magnitudeImage, 0, 1, NORM_MINMAX);
//src dst 0 1
//【9】显示效果图
imshow("频谱幅值", magnitudeImage);
waitKey();
return 0;
}3.输入输出XML、yaml文件
(1)写入
#include "opencv2/opencv.hpp"
#include <time.h>
using namespace cv;
int main( )
{
//改变console字体颜色
system("color 5F");
//初始化
FileStorage fs("test.yaml", FileStorage::WRITE); //xml yml txt doc
//开始文件写入
fs << "frameCount" << 5; //frameCount: 5
time_t rawtime; time(&rawtime);
fs << "calibrationDate" << asctime(localtime(&rawtime)); //calibrationDate: "Tue Aug 21 16:07:50 2018\n"
Mat cameraMatrix = (Mat_<double>(3,3) << 1000, 0, 320, 0, 1000, 240, 0, 0, 1);
Mat distCoeffs = (Mat_<double>(5,1) << 0.1, 0.01, -0.001, 0, 0);
fs << "cameraMatrix" << cameraMatrix << "distCoeffs" << distCoeffs;
// //cameraMatrix: !!opencv-matrix
//rows: 3
// cols : 3
// dt : d
// data : [1000., 0., 320., 0., 1000., 240., 0., 0., 1.]
// distCoeffs : !!opencv - matrix
// rows : 5
// cols : 1
// dt : d
// data : [1.0000000000000001e-01, 1.0000000000000000e-02,
// -1.0000000000000000e-03, 0., 0.]
fs << "features" << "[";
for( int i = 0; i < 3; i++ )
{
int x = rand() % 640;
int y = rand() % 480;
uchar lbp = rand() % 256;
fs << "{:" << "x" << x << "y" << y << "lbp" << "[:";
for( int j = 0; j < 8; j++ )
fs << ((lbp >> j) & 1);
fs << "]" << "}";
}
fs << "]";
////features:
//-{ x:41, y : 227, lbp : [0, 1, 1, 1, 1, 1, 0, 1] }
//-{ x:260, y : 449, lbp : [0, 0, 1, 1, 0, 1, 1, 0] }
//-{ x:598, y : 78, lbp : [0, 1, 0, 0, 1, 0, 1, 0] }
fs.release();
printf("\n文件读写完毕，请在工程目录下查看生成的文件~");
getchar();
return 0;
}
(2)读取
#include "opencv2/opencv.hpp"
#include <time.h>
using namespace cv;
using namespace std;
int main( )
{
//改变console字体颜色
system("color 6F");
//初始化
FileStorage fs2("test.yaml", FileStorage::READ);
//【1】准备文件读操作
// 第一种方法，对FileNode操作
int frameCount = (int)fs2["frameCount"];
std::string date;
// 第二种方法，使用FileNode运算符> >
fs2["calibrationDate"] >> date;
Mat cameraMatrix2, distCoeffs2;
fs2["cameraMatrix"] >> cameraMatrix2; //【2】读取文件
fs2["distCoeffs"] >> distCoeffs2;
cout << "frameCount: " << frameCount << endl //写
<< "calibration date: " << date << endl
<< "camera matrix: " << cameraMatrix2 << endl
<< "distortion coeffs: " << distCoeffs2 << endl;
FileNode features = fs2["features"];
FileNodeIterator it = features.begin(), it_end = features.end();
int idx = 0;
std::vector<uchar> lbpval;
//使用FileNodeIterator遍历序列
for( ; it != it_end; ++it, idx++ )
{
cout << "feature #" << idx << ": ";
cout << "x=" << (int)(*it)["x"] << ", y=" << (int)(*it)["y"] << ", lbp: (";
// 我们也可以使用使用filenode > > std::vector操作符很容易的读数值阵列
(*it)["lbp"] >> lbpval;
for( int i = 0; i < (int)lbpval.size(); i++ )
cout << " " << (int)lbpval[i];
cout << ")" << endl;
}
fs2.release();
//程序结束，输出一些帮助文字
printf("\n文件读取完毕，请输入任意键结束程序~");
getchar();
return 0;
}