OpenCV分析tfboys十周年演唱会灯牌大战结果

前言

在Android音视频开发中，网上知识点过于零碎，自学起来难度非常大，不过音视频大牛Jhuster提出了《Android 音视频从入门到提高 - 任务列表》，结合我自己的工作学习经历，我准备写一个音视频系列blog。本文是音视频系列blog的其中一个， 也是OpenCV的一个入门blog。对应的要学习的内容是：OpenCV分析tfboys十周年演唱会灯牌大战结果（仅供学习，帝国姐妹不要讨伐我啊！！！）。

---

音视频系列blog

音视频系列blog： 点击此处跳转查看

---

目录

---

1 效果图

话不多说，先上效果图！（源代码在文章最后）
演唱会灯牌大战效果图：

分析结果：

---

2 OpenCV配置

OpenCV是一个开源计算机视觉与图像处理库，同时也提供了丰富的音视频处理功能，它可以用于处理、分析和操作图像、视频以及音频数据。

2.1 下载OpenCV

OpenCV下载地址：https://opencv.org/releases/，可以根据自己的电脑的配置下载合适的OpenCV，我下载的是opencv-3.4.2-vc14_vc15.exe，双击该文件进行安装。
我已经默认你们装了vs2017或者其他版本。

---

2.2 配置OpenCV环境变量

将 OpenCV 配置到 Windows 环境变量中，可以在任何位置轻松访问 OpenCV 库和工具。以下是将 OpenCV 配置为 Windows 环境变量的步骤：

1. 找到 OpenCV 安装路径：

   • 在安装路径中找到D:\opencv\opencv\build\x64\vc15\bin（vs2015以前的版本以及vs2015找到vc14，我的是vs2017，所以选择vc15）。

2. 添加系统环境变量：

   • 在 Windows 搜索栏中搜索 “环境变量”，并选择 “编辑系统环境变量”。
   • 在弹出的 “系统属性” 窗口中，点击 “环境变量” 按钮。
   • 在 “环境变量” 窗口的 “系统变量” 部分，找到 “Path” 变量，然后点击 “编辑”。

3. 添加 OpenCV 路径：

   • 将D:\opencv\opencv\build\x64\vc15\bin添加在"Path" 变量的最后
   • 确保每个路径之间使用分号进行分隔。

4. 保存更改：

   • 点击 “确定” 保存您所做的更改。
   • 在打开的窗口中，继续点击 “确定” 以关闭系统属性窗口。

---

2.3 项目中配置OpenCV

新建 Visual Studio 2017 项目：
打开 Visual Studio 2017，创建一个新的 C++ 项目。

配置项目属性：

• 右键点击项目，在上下文菜单中选择“属性”。

• 在属性对话框中，选择“VC++ 目录”。

• 在“包含目录”项中，添加 OpenCV 的 include 目录的路径，我的是 D:\opencv\opencv\build\include。
  

• 在“库目录”项中，添加 OpenCV 的 lib 目录的路径，我的是 D:\opencv\opencv\build\x64\vc15\lib。
  

链接 OpenCV 库：

• 在属性对话框中，选择“链接器” -> “输入”。
• 在“附加依赖项”项中，添加以下库文件：
  • opencv_worldxxx.lib，这里的 “xxx” 表示 OpenCV 的版本号。例如，如果下载的是 OpenCV 3.4.2，那么对应的库文件就是 opencv_world342.lib。
    

5. 修改平台：
   将vs2017平台改为x64。
   

完成以上步骤后，项目应该能够成功地链接和使用 OpenCV 库了。可以在项目中编写和运行 OpenCV 相关的代码。

---

3 代码分析

先准备一张图片，比如灯牌大战.jpg放在D盘，或者其他地方。

代码整体思路：采用遍历图像的每个像素，根据人眼感知的颜色范围判断像素是否为肉眼可见的颜色，然后计算占比并输出结果。

下面是代码的步骤：

1. 导入库：

   #include 
   #include 
   

   这部分代码导入了 OpenCV 库和 C++ 的输入输出流库。

2. 主函数：

   int main() {
       // 读取图像
       cv::Mat image = cv::imread("D:\\灯牌大战.jpg");
   
       if (image.empty()) {
           std::cout << "Error loading image." << std::endl;
           return -1;
       }
   

   在主函数中，首先使用 OpenCV 的 imread 函数读取一张图像。如果图像读取失败，将输出错误信息并返回 -1。

3. 计算颜色占比：

       // 计算每个颜色通道的像素数
       int totalPixels = image.rows * image.cols;
   
       int visibleBluePixels = 0;
       int visibleGreenPixels = 0;
       int visibleRedPixels = 0;
   
       // 遍历图像像素，计算肉眼可见的颜色占比
       for (int row = 0; row < image.rows; ++row) {
           for (int col = 0; col < image.cols; ++col) {
               cv::Vec3b pixel = image.at<cv::Vec3b>(row, col);
   
               // 根据人眼感知的颜色范围，判断像素是否为肉眼可见的颜色
               if (pixel[2] > 50 && pixel[2] > pixel[1] && pixel[2] > pixel[0]) {  // 判断红色
                   visibleRedPixels++;
               } else if (pixel[1] > 50 && pixel[1] > pixel[0] && pixel[1] > pixel[2]) {  // 判断绿色
                   visibleGreenPixels++;
               } else if (pixel[0] > 50 && pixel[0] > pixel[1] && pixel[0] > pixel[2]) {  // 判断蓝色
                   visibleBluePixels++;
               }
           }
       }
   

   这部分代码计算图像中每个颜色通道的像素数，并使用嵌套循环遍历图像的每个像素。对于每个像素，它会根据人眼感知的颜色范围判断是否为肉眼可见的颜色，然后将相应的计数器增加。

4. 计算占比并输出结果：

             // 计算占比
       double visibleBluePercentage = static_cast<double>(visibleBluePixels) / totalPixels * 100;
       double visibleGreenPercentage = static_cast<double>(visibleGreenPixels) / totalPixels * 100;
       double visibleRedPercentage = static_cast<double>(visibleRedPixels) / totalPixels * 100;
   
       // 打印结果
       std::cout << "易烊千玺（红色）: " << visibleRedPercentage << "%" << std::endl;
       std::cout << "王俊凯（蓝色）: " << std::fixed << std::setprecision(2) << visibleBluePercentage << "%" << std::endl;
       std::cout << "王源（绿色）: " << visibleGreenPercentage << "%" << std::endl;
   
       return 0;
   }
   

   这部分代码计算肉眼可见的蓝色、绿色和红色的占比，然后输出结果到标准输出。

总结来说，这段代码读取一张图像，遍历图像中的每个像素，根据人眼感知的颜色范围判断像素是否为肉眼可见的颜色，然后计算占比并输出结果。效果图在最上面。

---

4 源代码

源代码：（欢迎star）
OpenCV分析tfboys十周年演唱会灯牌大战结果

​

​