【OpenCV入门教程之六】 创建Trackbar & 图像对比度、亮度值调整

目录(?)[-]

1. 一OpenCV中轨迹条Trackbar的创建和使用
2. 1创建轨迹条createTrackbar函数详解
3. 2获取当前轨迹条的位置getTrackbarPos函数
4. 二亮度和对比度调整的理论依据
5. 三关于访问图片中的像素
6. 四图像对比度亮度值调整示例程序

本系列文章由@浅墨_毛星云 出品，转载请注明出处。  

文章链接： http://blog.csdn.net/poem_qianmo/article/details/21479533

作者：毛星云（浅墨）    邮箱： [email protected] 

写作当前博文时配套使用的OpenCV版本： 2.4.8

 

 

这篇文章中我们一起学习了如何在OpenCV中用createTrackbar函数创建和使用轨迹条，以及图像对比度、亮度值的动态调整。

文章首先详细讲解了OpenCV2.0中的新版创建轨迹条的函数createTrackbar，并给上一个详细注释的示例。

然后讲解图像的对比度、亮度值调整的细节，最后放出了一个利用createTrackbar函数创建轨迹条来辅助进行图像对比度、亮度值调整的程序源码。

依然是先放一张运行截图：

 

好了，下面正式开始我们的讲解。

一、OpenCV中轨迹条（Trackbar）的创建和使用

 

<1>创建轨迹条——createTrackbar函数详解

createTrackbar这个函数我们以后会经常用到，它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：

 

 C++: int createTrackbar(conststring& trackbarname, conststring& winname,
  int* value, int count, TrackbarCallback onChange=0,void* userdata=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是由该变量当前的值。
• 第四个参数，int类型的count，表示滑块可以达到的最大位置的值。PS:滑块最小的位置的值始终为0。
• 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。
• 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。

 

看完函数讲解，先给大家一个函数使用小示例：

 

     

  //创建轨迹条
        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）

 

然给大家一个完整的使用示例。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。浅墨将其修改、代码简洁化和详细注释，放出来供大家消化研习。稍后更新的博文会有关于轮廓检测更详细的讲解。

 

 //-----------------------------------【头文件包含部分】---------------------------------------
 //  描述：包含程序所依赖的头文件
 //----------------------------------------------------------------------------------------------
 #include "opencv2/imgproc/imgproc.hpp"
 #include "opencv2/highgui/highgui.hpp"
 #include

 //-----------------------------------【命名空间声明部分】---------------------------------------
 //  描述：包含程序所使用的命名空间
 //-----------------------------------------------------------------------------------------------
 using namespace cv;
 using namespace std;

 //-----------------------------------【全局函数声明部分】--------------------------------------
 //  描述：全局函数声明
 //-----------------------------------------------------------------------------------------------
 Mat img;
 int threshval = 160;            //轨迹条滑块对应的值，给初值160

 //-----------------------------【on_trackbar( )函数】------------------------------------
 //  描述：轨迹条的回调函数
 //-----------------------------------------------------------------------------------------------
 static void on_trackbar(int, void*)
 {
     Mat bw = threshval < 128 ? (img < threshval) : (img > threshval);

     //定义点和向量
     vector > contours;
     vector hierarchy;

     //查找轮廓
     findContours( bw, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );
     //初始化dst
     Mat dst = Mat::zeros(img.size(), CV_8UC3);
     //开始处理
     if( !contours.empty() && !hierarchy.empty() )
     {
         //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
         int idx = 0;
         for( ; idx >= 0; idx = hierarchy[idx][0] )
         {
             Scalar color( (rand()&255), (rand()&255), (rand()&255) );
             //绘制填充轮廓
             drawContours( dst, contours, idx, color, CV_FILLED, 8, hierarchy );
         }
     }
     //显示窗口
     imshow( "Connected Components", dst );
 }


 //-----------------------------------【main( )函数】--------------------------------------------
 //  描述：控制台应用程序的入口函数，我们的程序从这里开始
 //-----------------------------------------------------------------------------------------------
 int main(  )
 {
     system("color 5F");
     //载入图片
     img = imread("1.jpg", 0);
     if( !img.data ) { printf("Oh，no，读取img图片文件错误~！ \n"); return -1; }

     //显示原图
     namedWindow( "Image", 1 );
     imshow( "Image", img );

     //创建处理窗口
     namedWindow( "Connected Components", 1 );
     //创建轨迹条
     createTrackbar( "Threshold", "Connected Components", &threshval, 255, on_trackbar );
     on_trackbar(threshval, 0);//轨迹条回调函数

     waitKey(0);
     return 0;
 }

原图：

运行效果图：

拖动滚动条，改变threshval的值，得到效果迥异的图片：

想要下载这个程序源工程的童鞋请点击这里：

 

createTrackbarDemo【 浅墨优化&详细注释版】下载

 

另外，在OpenCV路径opencv_source_code/samples/cpp/connected_components.cpp下，可以找到原版的官方代码。

 

接着顺便讲一个配合createTrackbar使用的函数，用于获取当前轨迹条的位置的getTrackbarPos函数吧。

 

<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。

 

 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。

 这部分大概就是这些了。马不停蹄地向下一部分进发吧：）

 

 

 

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：

或者

 

今天我们所讲解的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：

 

 

看到这个式子，我们关于图像亮度和对比度调整的策略就呼之欲出了。

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。

 

而更近一步，我们这样改写这个式子：

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

 

访问图片中的像素有很多种方式，以后有机会浅墨会用个专题来讲解。目前我们可以先了解下面的这一种。

 

而为了执行   这个运算  ，我们需要访问图像的每一个像素。因为是对RGB图像进行运算，每个像素有三个值（R、G、B），所以我们必须分别访问它们。以下是访问像素的代码片段，三个for循环解决问题：

 

 //三个for循环，执行运算 new_image(i,j) =a*image(i,j) + b
 for(int y = 0; y < image.rows; y++ )
 {
        for(int x = 0; x < image.cols; x++ )
        {
               for(int c = 0; c < 3; c++ )
               {
                      new_image.at(y,x)[c]= saturate_cast( (g_nContrastValue*0.01)*(image.at(y,x)[c] ) + g_nBrightValue );
               }
        }
 }

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(y,x)[c]
  • 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。
• 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。
• 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( (g_nContrastValue*0.01)*(image.at(y,x)[c] ) + g_nBrightValue )中的g_nContrastValue*0.01。

四、图像对比度、亮度值调整示例程序

依然是每篇文章都会配给大家的一个详细注释的博文配套示例程序，把这篇文章中介绍的知识点以代码为载体，展现给大家。

这个示例程序用两个轨迹条分别控制对比度和亮度值，有一定的可玩性。废话不多说，上代码吧：

 

 //-----------------------------------【程序说明】----------------------------------------------
 //  程序名称:：【OpenCV入门教程之四】 创建Trackbar&图像对比度、亮度值调整 配套博文源码
 // VS2010版  OpenCV版本：2.4.8
 //  2014年3月18 日 Create by 浅墨
 //------------------------------------------------------------------------------------------------


 //-----------------------------------【头文件包含部分】---------------------------------------
 //     描述：包含程序所依赖的头文件
 //----------------------------------------------------------------------------------------------
 #include
 #include
 #include"opencv2/imgproc/imgproc.hpp"
 #include

 //-----------------------------------【命名空间声明部分】---------------------------------------
 //     描述：包含程序所使用的命名空间
 //-----------------------------------------------------------------------------------------------
 using namespace std;
 using namespace cv;


 //-----------------------------------【全局函数声明部分】--------------------------------------
 //     描述：全局函数声明
 //-----------------------------------------------------------------------------------------------
 static void ContrastAndBright(int, void *);

 //-----------------------------------【全局变量声明部分】--------------------------------------
 //     描述：全局变量声明
 //-----------------------------------------------------------------------------------------------
 int g_nContrastValue; //对比度值
 int g_nBrightValue;  //亮度值
 Mat g_srcImage,g_dstImage;
 //-----------------------------------【main( )函数】--------------------------------------------
 //     描述：控制台应用程序的入口函数，我们的程序从这里开始
 //-----------------------------------------------------------------------------------------------
 int main(  )
 {
        //改变控制台前景色和背景色
        system("color5F");

        //读入用户提供的图像
        g_srcImage= imread( "pic1.jpg");
               if(!g_srcImage.data ) { printf("Oh，no，读取g_srcImage图片错误~！\n"); return false; }
        g_dstImage= Mat::zeros( g_srcImage.size(), g_srcImage.type() );

        //设定对比度和亮度的初值
        g_nContrastValue=80;
        g_nBrightValue=80;

        //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 );
        createTrackbar("亮   度：","【效果图窗口】",&g_nBrightValue,200,ContrastAndBright );

        //调用回调函数
        ContrastAndBright(g_nContrastValue,0);
        ContrastAndBright(g_nBrightValue,0);

        //输出一些帮助信息
        cout<"\t嗯。好了，请调整滚动条观察图像效果~\n\n"
                      <<"\t按下“q”键时，程序退出~!\n"
                      <<"\n\n\t\t\t\tby浅墨";

        //按下“q”键时，程序退出
    while(char(waitKey(1)) != 'q') {}
        return0;
 }


 //-----------------------------【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(y,x)[c]= saturate_cast( (g_nContrastValue*0.01)*(g_srcImage.at(y,x)[c] ) + g_nBrightValue );
                      }
               }
        }

        //显示图像
        imshow("【原始图窗口】", g_srcImage);
        imshow("【效果图窗口】", g_dstImage);
 }

最后看一下运行截图，运行这个程序会得到两个图片显示窗口。第一个为原图窗口，第二个为效果图窗口。在效果图窗口中可以调节两个轨迹条，来改变当前图片的对比度和亮度。

原图：

可调节的效果图：

本篇文章到这里就基本结束了，最后放出本篇文章配套示例程序的下载地址。

本篇文章的配套源代码请点击这里下载：

【浅墨OpenCV入门教程之六】配套源代码下载

OK，本节的内容大概就是这些，我们下篇文章见：）