基于opencv对图像的预处理.docx

基于opencv实现对图像的的预处理基于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范围，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a0）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，变为新的坐标（x1,y1）,x1=rcos(+)，y1=rsin(+)，其中r是图像的极径，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0512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()，旋转的角度变化范围是0360，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()，缩放的范围是02，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（）其中括号的包括的内容为(conststring& trackbarname, conststring& winname, int* value, int count, TrackbarCallback onChange=0,);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；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；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void XXXX(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lut2563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m6的数组，定义一个图形矩阵CvMat M，将m6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m2=w*0.5f，m5=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.husing namespace cv;static void ContrastAndBright(int, void *);static void Rotate(int, void *);static void Zoom(int, void *);static void Statiate( int ,void * ); string strWindowName = 滑动控制;string strWindowName1=对比度亮度效果图窗口;string strTraName = 对比度;string strTraName1 = 亮度;string strTraName2 = 饱和度;string strTraName3 = 缩放;string strTraName4 = 旋转;int g_nContraValue = 0;int g_nBrightValue = 0;int factor=0;int g_nScaleValue=0;int angle=0;IplImage *rsc = 0; /源图像指针IplImage *dst1 = 0; /目标图像指针IplImage *dst2 = 0;IplImage *dst3 = 0;CvSize dst1cv_size; /目标图像尺寸CvSize dst2_cvsize; /Mat g_srcImage,g_dstImage; int main( )system(color 5E);g_srcImage= imread(E:程序新建文件夹opencvDebug1.jpg,1 );rsc=cvLoadImage(E:程序新建文件夹opencvDebug1.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);return 0;void ContrastAndBright(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(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(y,x)c= saturate_cast( (g_nContraValue*0.01)*(g_srcImage.at(y,x)c ) + g_nBrightValue ); imshow(strWindowName1, g_dstImage); void Statiate( int ,void * ) /饱和度的调节 IplImage *hist_image = 0;dst3 = cvCloneImage(rsc); cvCvtColor( rsc, dst3, CV_BGR2HSV ); int hue=factor-256; int i; float max_value = 0; uchar lut2563; CvMat* lut_mat; lut_mat = cvCreateMatHeader( 1, 256, CV_8UC3 ); cvSetData( lut_mat, lut,0); for( i = 0; i 256; i+ ) int v = (i+hue); if( v 255 ) v = 255; luti1 = (uchar)v; luti0 = (uchar)i; luti2 = (uchar)i; cvLUT( dst3, dst3, lut_mat )