day03：Qt调用opencv完成视频抓取与图片处理的学习

OpenCV 视频抓取

1. 构建一个项目工程
   1. 创建目录/文件结构
   2. 工程组织文件（Makefile QMake）

• 附pmain.pro脚本(用于Qt自生成Makefile)

# 控制编译器C++相关的编译选项
QMAKE_CXXFLAGS += /source-charset:utf-8
QMAKE_CXXFLAGS += /execution-charset:utf-8
# 1. 配置程序的类型：应用/共享库
TEMPLATE   = app

# 2. 基本配置
CONFIG    += debug
CONFIG    += console
CONFIG    += thread
CONFIG    += qt

# Qt的模块库的配置
QT        += core
QT        += gui
QT        += widgets
# OpenCV的链接的相关的库与头文件
INCLUDEPATH  += "D:/op/install/include"

LIBS         += -L"D:\op\install\x64\vc16\lib"
LIBS         += -lopencv_core420d
LIBS         += -lopencv_videoio420d
LIBS         += -lopencv_imgcodecs420d
LIBS         += -lopencv_imgproc420d
LIBS         += -lopencv_objdetect420d

# 3. 工程代码文件
SOURCES   += main.cpp
SOURCES   += cvdialog.cpp
SOURCES   += cvvideo.cpp

HEADERS   += cvdialog.h
HEADERS   += cvvideo.h

FORMS     += video.ui

# 4. 输出的执行文件
TARGET     = main

2. 创建Qt应用
   1. 通过Qt designer创建合适的对话框
   2. 更改名称，适配代码文件
   3. 合理布局

3. UI交互

   1. 在Qt designer界面搭建信号和槽
   2. 在代码中引入信号和槽，并定义槽函数
   3. 绑定对话框与槽函数的调用关系

4. 多线程

• 引入新线程，用于视频自采集

CVVideo::CVVideo(QObject *parent):
    QThread(parent),
    dev(new cv::VideoCapture(0, cv::CAP_DSHOW)){
    classifier = new cv::CascadeClassifier("haarcascade_frontalface_alt2.xml");
}

5. 视频采集
   • 使用信号发送给窗体显示
     1. 定义信号-> 发送：
     2. 接受信号-> 显示

void CVDialog::gray(){
    type = 1;
}
void CVDialog::gauss(){
    type = 2;
}

... ...
    if(type == 1){
        ... ...
    }
    if(type == 2){
        ... ...
    }

• 视频抓取截图：

---

• OpenCV的视频采集的相关的类
  1. VideoCapture
     • read()
     • ...
  2. CascadeClassifier
     • detectMultiScale()
     • ...
  • 使用规律：
    • 打开摄像头
    • 读取图像

OpenCV图像特征处理

• 1. 灰度变换

  cv::cvtColor(img, img, cv::COLOR_BGR2GRAY);
  QImage i_out(img.data, img.cols, img.rows, QImage::Format_Grayscale8);
  
  

• 2. Sobel变换

  cv::Sobel(img, sobel_img, -1, 1, 0, 3, 1, 128);
  QImage i_out(sobel_img.data, sobel_img.cols, sobel_img.rows, QImage::Format_RGB888);
  
  

• 3. 高斯变换

  cv::GaussianBlur(img, img, cv::Size2i(21, 21), 6.0);
  QImage i_out(img.data, img.cols, img.rows, QImage::Format_RGB888);
  
  

• 4. Filter2D：卷积运算

  cv::Mat o_img;
  cv::Mat kernel = (cv::Mat_(3, 3) << 
      -1,  0,  1, 
      -1,  0,  1, 
      -1,  0,  1);
  
  cv::filter2D(img, o_img, -1, kernel, cv::Point2i(-1, -1), 0.0);
  QImage i_out(o_img.data, o_img.cols, o_img.rows, QImage::Format_RGB888);
  
  

• 灰度转换后效果截图：

OpenCV人脸识别(可选)

1. 人脸侦测
2. 标识人脸

• 相关代码：

  while(true){
      // 视频采集
      cv::Mat  img;
      dev->read(img);
      // 图像处理？
      std::vector objs; // 用来存储识别的人脸
      std::vector rejectLeves;  // 返回拒绝的level
      std::vector levelWeights; // level的权重
  
      classifier->detectMultiScale(
          img, // 输入图像
          objs,
          rejectLeves,
          levelWeights,
          1.05,      // 人脸搜索的模板
          3,         // 最小领域个数限制 
          1,       // 边缘检测（Canny）
          cv::Size(),
          cv::Size(),
          true
      );
      // 标记人脸
      if(!objs.empty()){
          for(int i = 0; i < objs.size(); i++){
              if(levelWeights[i] >= 10.5){
                  cv::rectangle(img, objs[i], cv::Scalar(0, 0, 255), 2);
              }
          }
      }
      // 视频图像发送到窗体显示
      emit sig_video(img);
      QThread::usleep(1000);
  }
  
  

• 了解下：

  • 二位码识别

• 代码作业：

  • 完成一个抓取视频的程序（备份上交）
  • 在上一个程序基础上，增加图像效果；
  • 在第一个基础上，识别人脸，并标记；

• 笔记整理

  • 完成课堂笔记（说明，代码，执行效果的截图）

---