基于opencv对图像的预处理.docx
《基于opencv对图像的预处理.docx》由会员分享，可在线阅读，更多相关《基于opencv对图像的预处理.docx（14页珍藏版）》请在冰点文库上搜索。
基于opencv对图像的预处理
基于opencv对图像的预处理
1.问题描述
本次设计是基于opencv结合c++语言实现的对图像的预处理，opencv是用于开发实时的图像处理、计算机视觉及模式识别程序；其中图像的预处理也就是利用opencv对图像进行简单的编辑操作；例如对图像的对比度、亮度、饱和度进行调节，同时还可以对图像进行缩放和旋转，这些都是图像预处理简单的处理方法；首先通过opencv加载一幅原型图像，显示出来；设置五个滑动控制按钮，当拖动按钮时，对比度、亮度、饱和度的大小也会随之改变，也可以通过同样的方式调节缩放的比例和旋转的角度，来控制图像，对图像进行处理，显示出符合调节要求的图像，进行对比观察他们的之间的变化。
2.模块划分
此次设计的模块分为五个模块，滑动控制模块、对比度和亮度调节模块、饱和度调节模块、缩放调节模块、旋转调节模块，他们之间的关系如下所示：
图一、各个模块关系图
滑动控制模块处于主函数之中，是整个设计的核心部分，通过createTrackbar创建五个滑动控制按钮并且调用每个模块实现对图像相应的调节。
3.算法设计
（1）滑动控制：
滑动控制是整个设计的核心部分，通过创建滑动控制按钮调节大小来改变相应的数据，进行调用函数实现对图像的编辑，滑动控制是利用createTrackbar（），函数中包括了滑动控制的名称，滑动控制显示在什么窗口上，滑动变量的地址和它调节的最大围，以及每个控制按钮应该调用什么函数实现什么功能；
（2）对比度和亮度的调节：
对比度和亮度的调节的原理是依照线性理论，它的公式如下所示：
g（x）=a*f（x）+b，其中f（x）表示源图像的像素，g（x）表示输出图像的像素，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；
（3）饱和度的调节：
饱和度调节利用cvCvtColor（src_image,dst_image,CV_BGR2HSV）将RGB颜色空间转换为HSV颜色空间，其中“H=Hue”表示色调，“S=Saturation”表示饱和度，“V=Value”表示纯度；所以饱和度的调节只需要调节S的大小，H和V的值不需要做任何的改变；
（4）旋转的调节：
旋转是以某参考点为圆心，将图像的个点（x，y）围绕圆心转动一个逆时针角度θ，变为新的坐标（x1,y1）,x1=rcos（α+θ），y1=rsin（α+θ），其中r是图像的极径，α是图像与水平的坐标的角度的大小；
（5）缩放的调节：
首先得到源图像的宽度x和高度y，变换后新的图像的宽度和高度分别为x1和y1，x1=x*f，y1=y*f，其中f是缩放因子；
4.函数功能描述
（1）主函数main（）用来设置滑动控制按钮，当鼠标拖动按钮可以得到相应的数据大小，实现手动控制的功能，当鼠标拖动对比度和亮度调节是，主函数调用对比度和亮度调节函数，类似这样分别对每个功能模块实现调用；
（2）对比度和亮度调节函数ContrastAndBright（），当鼠标拖动对比度和亮度时将对比度和亮度的值传递给ContrastAndBright（），实现对图片的对比度和亮度的控制，并创建一个对比度和亮度显示窗口，将图像显示出来；
（3）饱和度调节函数Statiate（），当鼠标拖动饱和度控制条将值从0~512时，饱和度的值就会传递给Statiate（），图像的饱和度就会随控制条变化而变化，将变化后图像显示在饱和度窗口上；
（4）旋转函数Rotate（），旋转的角度变化围是0~360，在Rotate（）中创建一个旋转图像显示窗口，当拖动鼠标改变旋转角度的变化，图像也会发生旋转；
（5）缩放函数Zoom（），缩放的围是0~2，当缩放因为小于1时表示图像的缩小，当缩放因子大于1时，表示图像的放大，将缩放的图像显示在创建的缩放图像的窗口上；
5.详细设计
整个设计函数之间的的关系如下所示：
图二、函数关系图
利用include加载整个程序需要的库函数；定义相应的字符串变量、整形变量和指针变量并给他们赋初值；以下是整个设计中函数设计和运行的结果：
（1）main（）利用imread和cvLoadImage从文件夹中加载图像，运用if判断语句看是否读入图像成功，如过读入图像没有成功，则退出程序，如果读入图像成功则利用nameWindow创建并命名为原始图、滑动控制和对比度和亮度窗口，然后将图像显示在特定的窗口上，执行滑动控制函数createTrackbar（）；主函数得到原始图如下所示：
（2）createTrackbar（）其中括号的包括的容为（conststring&trackbarname,conststring&winname,int*value,intcount,TrackbarCallbackonChange=0,）;第一个参数，conststring&类型的trackbarname，表示轨迹条的名字，用来代表我们创建的轨迹条；第二个参数，conststring&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；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；第四个参数，int类型的count，表示滑块可以达到的最大位置的；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voidXXXX（int,void*）;它的运行结果如下所示：
（3）ContrastAndBright（），将图像转为矩阵阵列之后，执行运算g_dstImage（i,j）=a*g_srcImage（i,j）+b，其中i和j表示该像素点位于第i行和第j列，在执行上述运算在访问图像的每一个像素时，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，在访问像素的代码片段，利用三个for循环解决，第一个循环控制行，第二个循环控制列，第三个循环控制G、B、R，当调节亮度和对比度的轨迹条时所得的结果如下所示：
（4）Statiate（），利用cvCloneImage复制源图像到地址dst3中去，在运用cvCloneImage（）将RGB颜色空间转为HSV颜色空间，定义个lut[256][3]矩阵，矩阵的列表示H、S、V，利用一个for循环改变每个像素点饱和度S的值，它的色调和纯度不发生变化，它的效果图如下所示：
（5）Zoom（），新的图像的宽度dst2_cvsize.width=rsc->width*g_nScaleValue/10.0和高度dst2_cvsize.height=rsc->height*g_nScaleValue/10.0，其中rsc->width、rsc->—height分别为源图像的宽度和高度，g_nScaleValue为缩放因为，为了实现该图像的缩小功能，所以缩放因为除以10.0，小于1时实现缩小功能，大于1时实现的是放大的功能；运行结果如下所示：
（6）Rotate（），定义一个浮点型的m[6]的数组，定义一个图形矩阵CvMatM，将m[6]中的数据可看做一个2行3列的矩阵，旋转就是是调节矩阵每个元素的值；获取源图像的宽度w和高度h，其中旋转中心为m[2]=w*0.5f，m[5]=h*0.5f;创建显示图像的窗口，最后将图像显示出来；它的运行结果如下所示：
6.心得与体会
计算机视觉是在图像处理的基础上发展起来的新兴学科。
opencv是一个开源的计算机视觉库，它为图像处理、模式识别、三维重建、物体跟踪、机器学习和线性代数提供了各种各样的算法；此次设计是我首次接触opencv，从opencv基本的安装，到对图形，图像一些基本的操作，让我学到一点opencv的一些知识，尽管学到的东西不太多，但已经有了个初步的接触，在进行本次设计的过程中也遇到一些问题，例如滑动控制如何控制，饱和度如何设置，以及图像如何转为矩阵；在此次设计中仍然还有些地方不足，图像不能再同一个窗口上进行操作显示；虽然开始对opencv不了解，而且在此过程也会经常出现错误，我认为只有不断的出现错误，不断的调试，在做中学，不断的动手，才会掌握的更多，学到的更多，运用起来更加的熟练。
7.程序源代码
#include"cv.h"
#include
#include"highgui.h"
usingnamespacecv;
staticvoidContrastAndBright（int,void*）;
staticvoidRotate（int,void*）;
staticvoidZoom（int,void*）;
staticvoidStatiate（int,void*）;
stringstrWindowName="滑动控制";
stringstrWindowName1="对比度亮度效果图窗口";
stringstrTraName="对比度";
stringstrTraName1="亮度";
stringstrTraName2="饱和度";
stringstrTraName3="缩放";
stringstrTraName4="旋转";
intg_nContraValue=0;
intg_nBrightValue=0;
intfactor=0;
intg_nScaleValue=0;
intangle=0;
IplImage*rsc=0;//源图像指针
IplImage*dst1=0;//目标图像指针
IplImage*dst2=0;
IplImage*dst3=0;
CvSizedst1cv_size;//目标图像尺寸
CvSizedst2_cvsize;//
Matg_srcImage,g_dstImage;
intmain（）
{
system（"color5E"）;
g_srcImage=imread（"E:
\\程序\\新建文件夹\\opencv\\Debug\\1.jpg",1）;
rsc=cvLoadImage（"E:
\\程序\\新建文件夹\\opencv\\Debug\\1.jpg",1）;
if（!
g_srcImage.data）{printf（"Oh，no，读取g_srcImage图片错误~！
\n"）;return-1;}
g_dstImage=Mat:
:
zeros（g_srcImage.size（）,g_srcImage.type（））;
//创建窗口
namedWindow（"【原始图窗口】",1）;
//显示图像
imshow（"【原始图窗口】",g_srcImage）;
namedWindow（strWindowName）;
namedWindow（strWindowName1）;
//轨迹条的生成
createTrackbar（strTraName,strWindowName,&g_nContraValue,100,ContrastAndBright）;
createTrackbar（strTraName1,strWindowName,&g_nBrightValue,100,ContrastAndBright）;
createTrackbar（strTraName2,strWindowName,&factor,512,Statiate）;
createTrackbar（strTraName3,strWindowName,&g_nScaleValue,20,Zoom）;
createTrackbar（strTraName4,strWindowName,&angle,360,Rotate）;
waitKey（0）;
return0;
}
voidContrastAndBright（int,void*）//对比和亮度的调节
{//三个for循环，执行运算g_dstImage（i,j）=a*g_srcImage（i,j）+b
for（inty=0;y{
for（intx=0;x{
for（intc=0;c<3;c++）
{
g_dstImage.at（y,x）[c]=saturate_cast（（g_nContraValue*0.01）*（g_srcImage.at（y,x）[c]）+g_nBrightValue）;
}
}
}
imshow（strWindowName1,g_dstImage）;
}
voidStatiate（int,void*）//饱和度的调节
{
IplImage*hist_image=0;
dst3=cvCloneImage（rsc）;
cvCvtColor（rsc,dst3,CV_BGR2HSV）;
inthue=factor-256;
inti;
floatmax_value=0;
ucharlut[256][3];
CvMat*lut_mat;
lut_mat=cvCreateMatHeader（1,256,CV_8UC3）;
cvSetData（lut_mat,lut,0）;
for（i=0;i<256;i++）{
intv=（i+hue）;
if（v<0）
v=0;
if（v>255）
v=255;
lut[i][1]=（uchar）v;
lut[i][0]=（uchar）i;
lut[i][2]=（uchar）i;
}
cvLUT（dst3,dst3,lut_mat）;
cvCvtColor（dst3,dst3,CV_HSV2BGR）;
cvShowImage（"饱和度窗口",dst3）;
}
voidRotate（int,void*）//旋转的调节
{
dst1=cvCloneImage（rsc）;
floatm[6];
CvMatM=cvMat（2,3,CV_32F,m）;
intw=rsc->width;
inth=rsc->height;
m[0]=（float）（1*cos（-angle*CV_PI/180.））;
m[1]=（float）（1*sin（-angle*CV_PI/180.））;
m[3]=-m[1];
m[4]=m[0];
m[2]=w*0.5f;
m[5]=h*0.5f;
cvZero（dst1）;
cvGetQuadrangleSubPix（rsc,dst1,&M）;
cvShowImage（"旋转图窗口",dst1）;//显示目标图像
}
voidZoom（int,void*）//缩放的调节
{
dst2_cvsize.width=int（rsc->width*g_nScaleValue/10.0）;
dst2_cvsize.height=int（rsc->height*g_nScaleValue/10.0）;
dst2=cvCreateImage（dst2_cvsize,rsc->depth,rsc->nChannels）;
cvResize（rsc,dst2,CV_INTER_LINEAR）;
cvShowImage（"缩放图窗口",dst2）;
}
升级会员 