全流程机器视觉工程开发（三）任务前瞻 - 从opencv的安装编译说起，到图像增强和分割
前言
最近开始做这个裂缝识别的任务了，大大小小的问题我已经摸得差不多了，然后关于识别任务和分割任务我现在也弄的差不多了。
现在开始做正式的业务，也就是我们说的裂缝识别的任务。作为前言，先来说说场景：
现在相机返回过来的照片：
- 都是jpeg格式的照片，当然也可能是别的格式，目前主流是jpeg格式
- 大小约为11mb-14mb左右
- 图片大小为5120x5120
我们现在如果说想直接使用这个图片来进行图片识别的话，会有很多的问题。其中最主要的问题就是图片实在是过大，5120x5120的图片会导致图片不论是训练还是推理期都太长了，并且为了更好地处理图片，我们都会要求图片的训练期和推断图片都必须是比较小的，这样才有利于我们后续不论是实例分割还是目标识别任务。
目标
前言说了，我们的目标主要是两个，那就是
-
将现有图片分割成1280 * 1280 的小块。
为什么这么做？因为我们的图片边界刚好是5120，5120 / 4 = 1280，也就是说我们要把原先一张照片切成 4 * 4 = 16块 -
将现有图片全部增亮
这里需要注意一点，就是在增亮图片的同时，不能让图片过曝。这里我们需要做一点特殊的处理，下文中会说。
准备
既然有了目标，那么我们就来一步步写实现。这里因为我们后续要使用opencv等各种库，所以从现在开始我们所有的c++项目统一使用cmake管理。
那么在正式开始之前，我们需要准备opencv环境
这里可以参考以下文章
windows下安装Visual Studio + CMake+OpenCV + OpenCV contrib+TensorRT
有关cmake编译与安装opencv的内容，我觉得是比较中肯的，这里因为我已经安装好了opencv，就不再重复这个内容了。
那么现在默认就是大伙已经安装上了opencv 了，那么我这里就开始写图像分割和增强了。
首先使用vs 2022新建一个cmake项目：
创建完毕后，打开cmake gui程序
这里我使用vs 2022来编译和管理这个项目，点击configure，然后再点击gernerate，这样一个空项目就被我编辑出来了，就在我们的build目录下
点击Lev_PictureManager.sln进入项目管理。
当然了，我这里开发的这个工程是需要以后去做移植的，所以肯定是做成dll的，这个有关图形的库后续我也会做一些更新，相当于是一个自己的小工具箱，所以为了更好的使用这里需要修改一下 cmake 工程
Lev_PictureManager的CMakeList.txt改成这样，每一条为什么这么改我都写在了注释里面，可以看看
# CMakeList.txt: Lev_PictureManager 的 CMake 项目，在此处包括源代码并定义
# 项目特定的逻辑。
#
#如果环境变量中没有声明opencv的路径则需要加上这一条，如果加上了则无所谓
set(OpenCV_DIR C:\\Program Files (x86)\\opencv\\build)
#找到opencv 的 package
find_package(OpenCV REQUIRED)
#引入opencv的头文件
include_directories(${OpenCV_INCLUDE_DIRS})
#导出windows下的.lib静态链接库用以链接符号
set(WINDOWS_EXPORT_ALL_SYMBOLS ON)
# 导出为动态链接库的形式
add_library (Lev_PictureManager SHARED "Lev_PictureManager.cpp" "Lev_PictureManager.h")
#链接到opencv的.lib文件
target_link_libraries(${PROJECT_NAME} ${OpenCV_LIBRARIES})
if (CMAKE_VERSION VERSION_GREATER 3.12)
set_property(TARGET Lev_PictureManager PROPERTY CXX_STANDARD 20)
endif()
# TODO: 如有需要，请添加测试并安装目标。
接下来在项目中编译一下这个CMakeList.txt，再尝试在头文件中引入
#include "opencv2/opencv.hpp"
如果引入成功，则说明调用是成功的，接下来就可以进入正式的 编码阶段了
流程
我们之前说的有两个内容，一个是切分图片，一个是提升亮度
切分图片
切分图片的话，主要是用到了opencv的Rect来对roi切分，具体思路见下代码：
std::vector<cv::Mat> splitImage(const cv::Mat& inputImage, int rows, int cols) {
std::vector<cv::Mat> subImages;
int subImageWidth = inputImage.cols / cols;
int subImageHeight = inputImage.rows / rows;
for (int y = 0; y < rows; ++y) {
for (int x = 0; x < cols; ++x) {
// 定义矩形区域，切分图像
cv::Rect roi(x * subImageWidth, y * subImageHeight, subImageWidth, subImageHeight);
// 获取子图像
cv::Mat subImage = inputImage(roi).clone();
// 添加到结果集
subImages.push_back(subImage);
}
}
return subImages;
}
修改亮度
cv::Mat enhanceBrightnessImage(const cv::Mat& image) {
// 转换为YUV颜色空间
cv::Mat imgYUV;
cv::cvtColor(image, imgYUV, cv::COLOR_BGR2YUV);
// 应用CLAHE到Y通道(YUV中的Y代表亮度)
cv::Ptr<cv::CLAHE> clahe = cv::createCLAHE(2.0, cv::Size(8, 8));
clahe->apply(0, imgYUV); // 修正此行代码
// 将结果转换回BGR格式
cv::Mat imgOutput;
cv::cvtColor(imgYUV, imgOutput, cv::COLOR_YUV2BGR);
return imgOutput;
}
项目整体代码如下：
头文件Lev_PictureManager.h
// Lev_PictureManager.h: 标准系统包含文件的包含文件
// 或项目特定的包含文件。
#pragma once
#include 是否支持
bool isImageFileExtend(const std::string extension);
/// 成功与否
bool ResizeSingleImage(const std::string& insert_picture, const std::string& output_path, int tar_width, int tar_height);
/// 是否切分成功
bool TearPicture(const std::string& insert_picture, const std::string& output_path, int row, int col,const std::string& suffix);
/// Lev_PictureManager.cpp
// Lev_PictureManager.cpp: 定义应用程序的入口点。
//
#include "Lev_PictureManager.h"
using namespace std;
namespace fs = std::filesystem;
//使用命名空间是一种美德:D
namespace Lev_PictureManager {
bool isImageFileExtend(const std::string extension){
// 在这里添加你需要支持的图片格式的判断条件
return extension == ".jpg" || extension == ".png" || extension == ".jpeg";
}
bool ResizeSingleImage(const std::string& insertPath, const std::string& outputPath, int tar_width, int tar_height) {
cv::Mat originalImage = cv::imread(cv::String(insertPath), cv::IMREAD_COLOR);
cv::String outString = cv::String(outputPath);
if (originalImage.empty()) {
std::cerr << "Failed to open image!" << std::endl;
return false;
}
// 获取原始图像的宽高
int originalWidth = originalImage.cols;
int originalHeight = originalImage.rows;
// 计算缩放比例
double scaleWidth = static_cast<double>(tar_width) / originalWidth;
double scaleHeight = static_cast<double>(tar_height) / originalHeight;
// 使用 resize 函数进行缩放
cv::Mat resizedImage;
cv::resize(originalImage, resizedImage, cv::Size(), scaleWidth, scaleHeight, cv::INTER_LINEAR);
// 保存压缩后的图像
if (!cv::imwrite(outString, resizedImage)) return false;
return true;
}
std::vector<cv::Mat> splitImage(const cv::Mat& inputImage, int rows, int cols) {
std::vector<cv::Mat> subImages;
int subImageWidth = inputImage.cols / cols;
int subImageHeight = inputImage.rows / rows;
for (int y = 0; y < rows; ++y) {
for (int x = 0; x < cols; ++x) {
// 定义矩形区域，切分图像
cv::Rect roi(x * subImageWidth, y * subImageHeight, subImageWidth, subImageHeight);
// 获取子图像
cv::Mat subImage = inputImage(roi).clone();
// 添加到结果集
subImages.push_back(subImage);
}
}
return subImages;
}
bool TearPicture(const std::string& insert_picture, const std::string& output_path, int row, int col, const std::string& suffix)
{
//判断输入图片是否是支持的文件
fs::path insertPath(insert_picture);
if(!fs::is_regular_file(insertPath)) return false;
if(!isImageFileExtend(insertPath.extension().string())) return false;
//不带后缀的后缀名
std::string insert_picture_name = insertPath.stem().string();
//将图片切分成vector
cv::Mat mat_insert = cv::imread(insert_picture);
std::vector<cv::Mat> vec_ret = splitImage(mat_insert, row, col);
//将vector中的图片保存到指定路径
for (int i = 0; i < row; ++i) {
for (int j = 0; j < col; ++j) {
std::string output_name = output_path + "/" + insert_picture_name + "_" + std::to_string(i) + "-" + std::to_string(j) + "." + suffix;
if (!cv::imwrite(output_name, vec_ret[i + j])) return false;
}
}
return true;
}
cv::Mat enhanceBrightnessImage(const cv::Mat& image) {
// 转换为YUV颜色空间
cv::Mat imgYUV;
cv::cvtColor(image, imgYUV, cv::COLOR_BGR2YUV);
// 应用CLAHE到Y通道(YUV中的Y代表亮度)
cv::Ptr<cv::CLAHE> clahe = cv::createCLAHE(2.0, cv::Size(8, 8));
clahe->apply(0, imgYUV); // 修正此行代码
// 将结果转换回BGR格式
cv::Mat imgOutput;
cv::cvtColor(imgYUV, imgOutput, cv::COLOR_YUV2BGR);
return imgOutput;
}
bool adjustBrightness(const std::string& input_picture, const std::string& output_path)
{
//判断输入图片是否是支持的文件
fs::path insertPath(input_picture);
if (!fs::is_regular_file(insertPath)) return false;
if (!isImageFileExtend(insertPath.extension().string())) return false;
std::string input_filename = insertPath.filename().string();
std::string output_filename = output_path + "/" + input_filename;
cv::Mat mat_input = cv::imread(input_picture);
cv::Mat mat_output = enhanceBrightnessImage(mat_input);
if (!cv::imwrite(output_filename, mat_output)) return false;
return true;
}
}
完整工程（带Demo）见本人Github:
LeventureQys/Lev_PictureManager