本系列文章我將為大家介紹一些基于Qt的OpenCV圖像處理實現(xiàn)代芜。
Qt得益于信號和槽的抽象概念埠褪，使得在此利用OpenCV實現(xiàn)圖像處理并不困難。只需要簡單的初始化挤庇，就可以使用它了钞速。
初始化
首先在Qt項目的.pro文件下添加語句導(dǎo)入OpenCV庫：
12345INCLUDEPATH += D:/Work/Code/Learn/OpenCV01/Qt/opencv-mingw-3.4.5/include\? ? ? ? ? ? ? D:/Work/Code/Learn/OpenCV01/Qt/opencv-mingw-3.4.5/include/opencv\? ? ? ? ? ? ? D:/Work/Code/Learn/OpenCV01/Qt/opencv-mingw-3.4.5/include/opencv2LIBS += -L D:/Work/Code/Learn/OpenCV01/Qt/opencv-mingw-3.4.5/lib/libopencv_*.a
接著聲明三個基本槽：
123void initMainWindow();? //初始化void imgShow();? ? ? //圖像顯示Mat myImg;? ? ? ? //圖像存放變量
最后編寫基本代碼段：
12345678910111213141516//初始化void MainWindow::initMainWindow(){? ? QString imgPath="test.jpg";? ? Mat imgData=imread(imgPath.toLatin1().data());? ? cvtColor(imgData,imgData,COLOR_BGR2RGB);? ? myImg=imgData;? ? myQImg=QImage((const unsigned char*)(imgData.data),imgData.cols,imgData.rows,QImage::Format_RGB888);? ? imgShow();}myImg=imgData;：賦給myImg全局變量待處理，myImg是點(diǎn)陣類型的以圖像形式緩存圖片嫡秕。//將圖像通過QPixmap到Label控件上顯示void MainWindow::imgShow(){? ? ui->viewLabel->setPixmap(QPixmap::fromImage(myQImg.scaled(ui->viewLabel->size(),Qt::KeepAspectRatio)));}
至此就可以開始編寫你程序的其它功能了渴语。
對比度與亮度
https://github.com/MoeDisk/OpenCV_Qt_Learn/tree/master/Pic_Contrast_Brightness
1234567891011121314151617181920212223void MainWindow::imgProc(float con,int bri){? ? Mat imgSrc=myImg;? ? Mat imgDst=Mat::zeros(imgSrc.size(),imgSrc.type());? ? imgSrc.convertTo(imgDst,-1,con,bri);? ? myQImg=QImage((const unsigned char*)(imgDst.data),imgDst.cols,imgDst.rows,QImage::Format_RGB888);? ? imgShow();}void MainWindow::on_contrastVerticalSlider_sliderMoved(int position){? ? imgProc(position/33.3,0);}void MainWindow::on_contrastVerticalSlider_valueChanged(int value){? ? imgProc(value/33.3,0);}void MainWindow::on_brightnessVerticalSlider_sliderMoved(int position){? ? imgProc(1.0,position);}void MainWindow::on_brightnessVerticalSlider_valueChanged(int value){? ? imgProc(1.0,value);}
imgSrc.convertTo(imgDst,-1,con,bri);：
OpenCV增強(qiáng)圖片使用的是點(diǎn)算子，即用常數(shù)對每個像素點(diǎn)執(zhí)行乘法和加法的復(fù)合運(yùn)算：g(i,j)=af(i,j)+b昆咽。
式中驾凶，f(i,j)代表一個原圖的像素點(diǎn)牙甫；a是增益參數(shù)，控制圖片對比度狭郑；b是偏值參數(shù)腹暖，控制圖片亮度；而g(i,j)則表示經(jīng)處理后的對應(yīng)像素點(diǎn)翰萨。這兩個參數(shù)分別對應(yīng)程序中的變量con和bri脏答，執(zhí)行時將它們的值傳入OpenCV的convertTo()方法，在其內(nèi)部就會對圖片上的每個點(diǎn)均勻用上式的算法進(jìn)行處理變換亩鬼。
平滑濾波
https://github.com/MoeDisk/OpenCV_Qt_Learn/tree/master/Pic_Blur_Gaussian_Median_Bilateral_1
均值濾波：
123Mat imgDst1=imgSrc.clone();? ? for(int i=1;i<ker;i+=2) blur(imgSrc,imgDst1,Size(i,i),Point(-1,-1));? ? myBlurQImg=QImage((const unsigned char*)(imgDst1.data),imgDst1.cols,imgDst1.rows,QImage::Format_RGB888);
高斯濾波：
123Mat imgDst2=imgSrc.clone();? ? for(int i=1;i<ker;i+=2) GaussianBlur(imgSrc,imgDst2,Size(i,i),0,0);? ? myGaussianQImg=QImage((const unsigned char*)(imgDst2.data),imgDst2.cols,imgDst2.rows,QImage::Format_RGB888);
中值濾波：
123Mat imgDst3=imgSrc.clone();? ? for(int i=1;i<ker;i+=2) medianBlur(imgSrc,imgDst3,i);? ? myMedianQImg=QImage((const unsigned char*)(imgDst3.data),imgDst3.cols,imgDst3.rows,QImage::Format_RGB888);
雙邊濾波：
123Mat imgDst4=imgSrc.clone();? ? for(int i=1;i<ker;i+=2) bilateralFilter(imgSrc,imgDst4,i,i*2,i/2);? ? myBilateralQImg=QImage((const unsigned char*)(imgDst4.data),imgDst4.cols,imgDst4.rows,QImage::Format_RGB888);
旋轉(zhuǎn)與縮放
https://github.com/MoeDisk/OpenCV_Qt_Learn/tree/master/Pic_Zoom_Rotate_1
123456789101112void MainWindow::imgProc(float ang, float sca){? ? Point2f srcMatrix[3];? ? Point2f dstMatrix[3];? ? Mat imgRot(2,3,CV_32FC1);? ? Mat imgSrc=myImg;? ? Mat imgDst;? ? Point centerPoint=Point(imgSrc.cols/2,imgSrc.rows/2);? ? imgRot=getRotationMatrix2D(centerPoint,ang,sca);? ? warpAffine(imgSrc,imgDst,imgRot,imgSrc.size());? ? myQImg=QImage((const unsigned char*)(imgDst.data),imgDst.cols,imgDst.rows,QImage::Format_RGB888);? ? imgShow();}
該方法接收兩個參數(shù)殖告，皆為單精度實型，ang表示旋轉(zhuǎn)角度(正為順時針雳锋、負(fù)為逆時針)黄绩，sca表示縮放率(大于1為放大、小于1為縮小)玷过。
imgRot=getRotationMatrix2D(centerPoint,ang,sca);：
OpenCV內(nèi)部用仿射變換算法來實現(xiàn)圖片的旋轉(zhuǎn)縮放爽丹。它需要三個參數(shù)：
(1)旋轉(zhuǎn)圖片所要圍繞的中心；
(2)旋轉(zhuǎn)的角度辛蚊，在OpenCV中逆時針角度為正值粤蝎，反之為負(fù)值；
(3)縮放因子(可選)袋马，在本例中分別對應(yīng)centerPoint初澎、ang和sca參數(shù)值。
任何一個仿射變換都能表示為向量乘以一個矩陣(線性變換)再加上另一個向量(平移)虑凛，研究表明碑宴，不論是對圖片的旋轉(zhuǎn)還是縮放操作，本質(zhì)上都是對其每個像素施加了某種線性變換桑谍，如果不考慮平移延柠，實際上也就是一個仿射變換。因此霉囚，變換的關(guān)鍵在于求出變換矩陣捕仔，這個矩陣實際上代表了變換前后兩張圖片之間的關(guān)系。這里用OpenCV的getRotationMatrix2D()方法來獲得旋轉(zhuǎn)矩陣盈罐，然后通過warpAffine()方法將獲得的矩陣用到對圖片的旋轉(zhuǎn)縮放操作中榜跌。
人臉識別
https://github.com/MoeDisk/OpenCV_Qt_Learn/tree/master/Pic_FaceRecognition_1
123456789101112131415161718192021222324252627282930void MainWindow::imgProc(){? ? CascadeClassifier face_detector;? ? CascadeClassifier eyes_detector;? ? string fDetectorPath="D:/Work/Code/Learn/OpenCV01/Qt/face_recognition/haarcascade_frontalface_alt.xml";? ? face_detector.load(fDetectorPath);? ? string eDetectorPath="D:/Work/Code/Learn/OpenCV01/Qt/face_recognition/haarcascade_eye_tree_eyeglasses.xml";? ? eyes_detector.load(eDetectorPath);? ? vector<Rect> faces;? ? Mat imgSrc=myImg;? ? Mat imgGray;? ? cvtColor(imgSrc,imgGray,CV_RGB2GRAY);? ? equalizeHist(imgGray,imgGray);? ? face_detector.detectMultiScale(imgGray,faces,1.1,2,0|CV_HAAR_SCALE_IMAGE,Size(30,30));? ? for(int i=0;i<faces.size();i++){? ? ? ? Point center(faces[i].x+faces[i].width*0.5,faces[i].y+faces[i].height*0.5);? ? ? ? ellipse(imgSrc,center,Size(faces[i].width*0.5,faces[i].height*0.5),0,0,360,Scalar(255,0,255),4,8,0);? ? ? ? Mat faceROI=imgGray(faces[i]);? ? ? ? vector<Rect> eyes;? ? ? ? eyes_detector.detectMultiScale(faceROI,eyes,1.1,2,0|CV_HAAR_SCALE_IMAGE,Size(30,30));? ? ? ? for(int j=0;j<eyes.size();j++){? ? ? ? ? ? Point center(faces[i].x+eyes[j].x+eyes[j].width*0.5,faces[i].y+eyes[j].y+eyes[j].height*0.5);? ? ? ? ? ? int radius=cvRound((eyes[j].width+eyes[i].height)*0.25);? ? ? ? ? ? circle(imgSrc,center,radius,Scalar(255,0,0),4,8,0);? ? ? ? }? ? }? ? Mat imgDst=imgSrc;? ? myQImg=QImage((const unsigned char*)(imgDst.data),imgDst.cols,imgDst.rows,QImage::Format_RGB888);? ? QMessageBox::about(NULL, " ", "Done");? ? imgShow();}
eyes_detector.load(eDetectorPath);：
load()方法用于加載一個XML分類器文件，OpenCV既支持Haar特征算法也支持LBP特征算法的分類器盅粪。
