#include <iostream>
#include <opencv2/opencv.hpp>
#include<opencv2/dnn.hpp>
#include "quickopencv.h"
using namespace std;
using namespace cv;
void QuickDemo::colorSpace_Demo(Mat& image) {
Mat gray, hsv; //定义2个矩阵类型的图像
cvtColor(image, hsv, COLOR_BGR2HSV); //转换成hdv （图像转换函数，第三个参数是转成的类型
cvtColor(image, gray, COLOR_BGR2GRAY); //转成灰度
imshow("HSV", hsv); //显示图片
imshow("灰度", gray); //显示图片
imwrite("E:/image/hsv.jpg", hsv); //保存图片 （保存地址，保存图的名称）
imwrite("E:/image/gray.jpg", gray); //保存
}
void QuickDemo::mat_creation_demo(Mat& image) {
Mat m1, m2;
m1 = image.clone();
image.copyTo(m2);
//创建空白图像 第一个参数为图片尺寸，第二个参数为图片类型，几位几通道
Mat m3 = Mat::zeros(Size(8, 8), CV_8UC1);
//获取图片的宽度、高度和通道数
std:: cout << "width:" << m3.cols << "height:" << m3.rows << "channels:" << m3.channels() << std::endl;
std::cout << m3 << std::endl;
//该函数给三通道图片每个通道赋值
m3 = Scalar(255, 0, 0);
Mat m4 = m3.clone();
m4 = Scalar(0, 255, 255);
/*imshow("图像3", m3);
imshow("图像4", m4);*/
}
void QuickDemo::pixel_visit_demo(Mat& image) {
int dims = image.channels();
int h = image.rows;
int w = image.cols;
//数组下标访问像素值
/*
for (int row = 0; row < h; row++) {
for (int col = 0; col < w; col++) {
if (dims == 1) { //单通道的灰度图像
int pv = image.at<uchar>(row, col); //得到像素值
image.at<uchar>(row, col) = 255 - pv; //给像素值重新赋值（取反
}
if (dims == 3) { //三通道的彩色图像
Vec3b bgr = image.at<Vec3b>(row, col); //opencv特定的类型，获取三维颜色，3个值
image.at<Vec3b>(row, col)[0] = 255 - bgr[0];
image.at<Vec3b>(row, col)[1] = 255 - bgr[1];
image.at<Vec3b>(row, col)[2] = 255 - bgr[2]; //对彩色图像读取其像素值，并将其改写
}
}
}
*/
//指针访问模式
for (int row = 0; row < h; row++) {
uchar* current_row = image.ptr<uchar>(row);
for (int col = 0; col < w; col++) {
if (dims == 1) { //单通道的灰度图像
int pv = image.at<uchar>(row, col); //得到像素值
*current_row++ = 255 - pv; //给像素值重新赋值（取反
}
if (dims == 3) { //三通道的彩色图像
*current_row++ = 255 - *current_row; //指针每做一次运算，就向后移动一位
*current_row++ = 255 - *current_row;
*current_row++ = 255 - *current_row;
}
}
}
namedWindow("像素读写演示", WINDOW_FREERATIO);
imshow("像素读写演示", image);
//imwrite("E:\images\input.jpg", image); //保存
}
void QuickDemo::operators_demo(Mat& image) {
Mat dst = Mat::zeros(image.size(), image.type());
Mat m = Mat::zeros(image.size(), image.type());
dst = image + Scalar(5, 5, 5);//可实现+ - * /
m = Scalar(50, 50, 50);
//
// multiply(image, m, dst); //乘法操作 api
// imshow("乘法操作", dst);
//
add(image, m, dst); //加法操作 api
imshow("加法操作", dst);
//
// subtract(image, m, dst); //减法操作 api
// imshow("减法操作", dst);
//
// divide(image, m, dst); //除法操作 api
// imshow("除法操作", dst);
//
// //加法操作底层
int dims = image.channels();
int h = image.rows;
int w = image.cols;
for (int row = 0; row < h; row++) {
for (int col = 0; col < w; col++) {
Vec3b p1 = image.at<Vec3b>(row, col); //opencv特定的类型，获取三维颜色，3个值
Vec3b p2 = m.at<Vec3b>(row, col);
dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(p1[0] + p2[0]);
dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(p1[1] + p2[1]);
dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(p1[2] + p2[2]);
}
}
namedWindow("加法操作底层", WINDOW_FREERATIO);
imshow("加法操作底层", dst);
}
//
//
//Mat src, dst, m;
//int lightness = 50;//定义初始化的亮度为50
//static void on_track(int, void*) {
// m = Scalar(lightness, lightness, lightness);//创建调整亮度的数值
// add(src, m, dst);
// //subtract(src, m, dst);//定义亮度变换为减
// imshow("亮度调整", dst);//显示调整亮度之后的图片
//}
//void QuickDemo::tracking_bar_demo1(Mat &image) {
// namedWindow("亮度调整", WINDOW_AUTOSIZE);
// dst = Mat::zeros(image.size(), image.type());//图片的初始化创建一个和image大小相等，种类相同的图像
// m = Mat::zeros(image.size(), image.type());//图片的初始化创建一个和image大小相等，种类相同的图像
// src = image;//给src赋值
// int max_value = 100;//定义最大值为100
// createTrackbar("Value Bar", "亮度调整", &lightness, max_value, on_track);//调用函数实现功能
// on_track(50, 0);
// }
static void on_lightness(int b, void* userdata) {
Mat image = *((Mat*)userdata);
Mat dst = Mat::zeros(image.size(), image.type());
Mat m = Mat::zeros(image.size(), image.type());
m = Scalar(b, b, b);//创建调整亮度的数值
addWeighted(image, 1.0, m, 0, b, dst); //融合两张图 dst = image * 1.0 + m * 0 + b
imshow("亮度&对比度调整", dst);//显示调整亮度之后的图片
}
static void on_contrast(int b, void* userdata) {
Mat image = *((Mat*)userdata);
Mat dst = Mat::zeros(image.size(), image.type());
Mat m = Mat::zeros(image.size(), image.type());
double contrast = b / 100.0;
addWeighted(image, contrast, m, 0.0, 0, dst);
imshow("亮度&对比度调整", dst);//显示调整亮度之后的图片
}
void QuickDemo::tracking_bar_demo1(Mat& image) {
namedWindow("亮度&对比度调整", WINDOW_AUTOSIZE);
int lightness = 50;//定义初始化的亮度为50
int max_value = 100;//定义最大值为100
int contrast_value = 100;
createTrackbar("Value Bar", "亮度&对比度调整", &lightness, max_value, on_lightness, (void*)(&image));//调用函数实现功能
createTrackbar("Contrast Bar", "亮度&对比度调整", &contrast_value, 200, on_contrast, (void*)(&image));//调用函数实现功能
on_lightness(50, &image);
}
//
void QuickDemo::key_demo(Mat& image) {
Mat dst = Mat::zeros(image.size(), image.type());
while (true) {
char c = waitKey(100);//等待100ms（1s = 1000ms），做视频处理都是1
if (c == 27) { //按 esc 退出应用程序
break;
}
if (c == 49) { //key#1
cout << "you enter key #1" << endl;
cvtColor(image, dst, COLOR_BGR2GRAY); //按键盘1，则转换后为灰度图像
}
if (c == 50) { //key#2
cout << "you enter key #2" << endl;
cvtColor(image, dst, COLOR_BGR2HSV); //按键盘1，则转换后为HSV图像
}
if (c == 51) { //key#3
cout << "you enter key #3" << endl;
dst = Scalar(50, 50, 50);
cvtColor(image, dst, COLOR_BGR2HSV); //直接1到3会报错，则先转换为HSV图像
add(image, dst, dst); //按键盘1，则转换后为增加亮度后的图像
}
imshow("键盘响应", dst); //输出图像
}
}
//
void QuickDemo::color_style_demo(Mat& image) {
int colormap[] = { //共19种
COLORMAP_AUTUMN,
COLORMAP_BONE,
COLORMAP_CIVIDIS,
COLORMAP_DEEPGREEN,
COLORMAP_HOT,
COLORMAP_HSV,
COLORMAP_INFERNO,
COLORMAP_JET,
COLORMAP_MAGMA,
COLORMAP_OCEAN,
COLORMAP_PINK,
COLORMAP_PARULA,
COLORMAP_RAINBOW,
COLORMAP_SPRING,
COLORMAP_TWILIGHT,
COLORMAP_TURBO,
COLORMAP_TWILIGHT,
COLORMAP_VIRIDIS,
COLORMAP_TWILIGHT_SHIFTED,
COLORMAP_WINTER
};
Mat dst;
int index = 0; //初始化为指向0的位置
while (true) {
char c = waitKey(1000);//等待半秒（1s = 1000ms），做视频处理都是1
if (c == 27) { //按 esc 退出应用程序
break;
}
if (c == 49) { //key#1 按下按键1时。保存图片到指定位置
cout << "you enter key #1" << endl;
imwrite("E:/images/colormap/颜色表的成果.jpg", dst);
}
applyColorMap(image, dst, colormap[index % 19]);//循环展示19种图片（产生伪色彩图像）
index++;
imshow("循环播放", dst);
}
}
//
void QuickDemo::bitwise_demo(Mat& image) {
//绘制两张图
Mat m1 = Mat::zeros(Size(256, 256), CV_8UC3);
Mat m2 = Mat::zeros(Size(256, 256), CV_8UC3);
rectangle(m1, Rect(100, 100, 80, 80), Scalar(255, 255, 0), -1, LINE_8, 0);//-1 =》小于0为填充，大于0为绘制
// Rect(左上角x，左上角y，矩形长，矩形宽) |=》搞锯齿的(表示四领域或者八领域的绘制
//最后的参数0表示中心坐标 或 半径坐标的小数位
rectangle(m2, Rect(150, 150, 80, 80), Scalar(0, 255, 255), -1, LINE_8, 0);//小于0为填充，大于0为绘制
/*这个函数参数1是图片名称，参数2是矩形的起始& 末尾位置，参数3 Scalar表示将要绘制图像的颜色，
参数4表示小于0表示填充，大于0表示绘制，参数5表示四邻域或者八邻域的绘制，参数6表示中心坐标或者半径坐标的小数位数。*/
imshow("m1", m1);
imshow("m2", m2);
//进行逻辑操作
Mat dst;
bitwise_and(m1, m2, dst); //位操作 与
imshow("像素位操作 与", dst);
bitwise_or(m1, m2, dst); //位操作 或
imshow("像素位操作 或", dst);
// dst = ~image; //位操作 非（取反
bitwise_not(image, dst); //位操作 非（取反
imshow("像素位操作 非", dst);
bitwise_xor(m1, m2, dst); //位操作 异或
imshow("像素位操作 异或", dst);
}
//
void QuickDemo::channels_demo(Mat& image) {
vector<Mat>mv;//可存放Mat类型的容器
split(image, mv);//将多通道 拆分成 单通道（通道分离
//imshow("蓝色", mv[0]);
//imshow("绿色", mv[1]);
//imshow("红色", mv[2]);
// 三个通道分别为 B G R
// 0，1，2 三个通道分别代表 B G R
//关闭其中两个通道，则意味着 只开启剩余那个通道
Mat dst;
mv[1] = 0;
mv[2] = 0; // 关0，1则红色 关0，2则绿色
merge(mv, dst);//合并mv和dst
imshow("绿色", dst);
int from_to[] = { 1,2,1,1,2,0 };
//把通道相互交换，第1->第2，第1->第1，第2->第0
mixChannels(&image, 1, &dst, 1, from_to, 3);//3表示有3对要交换（即3个通道
//参数为要进行混合的图像的地址，参数2为混合后图像的存放地址
imshow("通道混合", dst);
imshow("原图image不会变", image);
}
//
void QuickDemo::inrange_demo(Mat& image) {
//提取任务的轮廓
Mat hsv;
cvtColor(image, hsv, COLOR_BGR2HSV);//先把RGB色彩空间转换到hsv的空间中
Mat mask;//其次提取图片的mask
inRange(hsv, Scalar(35, 43, 46), Scalar(77, 255, 255), mask);//通过inRange提取hsv色彩空间的颜色
//35，43，46根据图片表中的绿色最低来确定最小值（hmin,smin,vmim
//77，255，255 最大值
//参数一地范围为，参数二高范围
//将hsv中的由低到高的像素点提取出来并存储到mask中
imshow("mask", mask); //此时mask为白底
Mat redback = Mat::zeros(image.size(), image.type());
redback = Scalar(40, 40, 200); //红色背景图
bitwise_not(mask, mask); //取反变成黑底
imshow("mask", mask);
image.copyTo(redback, mask);//将mask中不为0部分(白色像素点)对应的原图 拷贝到 redback上，mask通过inRange得到
imshow("roi区域提取", redback);
}
//
void QuickDemo::pixel_statistic_demo(Mat& image) {
double minv, maxv;
Point minLoc, maxLoc; //定义地址
vector<Mat> mv; //可存放Mat类型的容器
split(image, mv); //将多通道 拆分成 单通道（通道分离
for (int i = 0; i < mv.size(); i++) {
//分别打印各个通道的数值
minMaxLoc(mv[i], &minv, &maxv, &minLoc, &maxLoc, Mat());//求出图像的最大值和最小值及其位置
//参数一：输入单通道的数组
//参数二：返回最小值的指针 参数三：返回最大值的指针
//参数四：返回最小值位置的指针 参数五：返回最大值位置的指针
cout << "No.channels:" << i << " minvalue:" << minv << " maxvalue:" << maxv << endl;
}
Mat mean, stddev;
meanStdDev(image, mean, stddev);//求出图像的均值的方差
cout << "mean:" << mean << endl;
cout << "stddev:" << stddev << endl;
}
//
void QuickDemo::drawing_demo(Mat& image) {
Rect rect; //矩形尺寸
rect.x = 200; //起始点x坐标
rect.y = 200; //起始点y坐标
rect.width = 100; //矩形宽度
rect.height = 100; //矩形高度
Mat bg = Mat::zeros(image.size(), image.type());
rectangle(bg, rect, Scalar(0, 0, 255), 1, 8, 0); //画矩形
//参数一：绘图的底图或画布名称 参数二：图片的起始，宽高
//参数三：填充颜色 参数四：>0为线宽，<0为填充
//参数五：领域填充(控制边缘锯齿） 参数六：默认值为0
circle(bg, Point(350, 400), 25, Scalar(0, 255, 0), 2, LINE_AA, 0); //画圆
//参数二：图片中心的位置 参数三：表示圆的半径为25
line(bg, Point(100, 100), Point(350, 400), Scalar(255, 0, 0), 8, LINE_AA, 0); //画直线
//参数二：线段起点坐标 参数三：线段终点坐标 LINE_AA表示去掉锯齿
RotatedRect rrt; //角度构造
rrt.center = Point(200, 200); //中心点位置
rrt.size = Size(100, 200); //x正沿x正方向，y正沿y正方向（可以是负的
rrt.angle = 0.0; //顺时针的角度（0-360度
ellipse(bg, rrt, Scalar(255, 0, 255), 2, 8); //画椭圆
imshow("矩形，圆，直线，椭圆的绘制", bg);
}
//
void QuickDemo::random_demo() {
Mat canvas = Mat::zeros(Size(512, 512), CV_8UC3);//创建画布
int w = canvas.cols;
int h = canvas.rows;
RNG rng(12345); //产生随机数（12345为随机数的种子，默认的
while (true) {
char c = waitKey(10);//等待10ms（1s = 1000ms），做视频处理都是1
if (c == 27) { //按 esc 推出应用程序
break;
}
int x1 = rng.uniform(0, canvas.cols); //将随机坐标控制在画布范围内
int y1 = rng.uniform(0, canvas.rows);
int x2 = rng.uniform(0, w);
int y2 = rng.uniform(0, h);
int r = rng.uniform(0, 255); //将随机颜色控制在255范围内
int g = rng.uniform(0, 255); //将随机颜色控制在255范围内
int b = rng.uniform(0, 255); //将随机颜色控制在255范围内
//canvas = Scalar(0, 0, 0); //想要每次都只出现一条线而不是叠加，则加上此句
line(canvas, Point(x1, y1), Point(x2, y2), Scalar(r, g, b), 2, LINE_AA); //画直线
//参数二：线段起点坐标 参数三：线段终点坐标 2为线宽 LINE_AA表示去掉锯齿
imshow("随机绘制演示", canvas);
}
}
//
void QuickDemo::polyline_drawing_demo(Mat& image) {
Mat canvas = Mat::zeros(Size(512, 512), CV_8UC3);
Point p1(150, 100); //第一个点的坐标
Point p2(350, 200); // 二
Point p3(240, 300); // 三
Point p4(150, 300); // 四
Point p5(50, 200); // 五
vector<Point> pts; //搞一个容器，用来装 点
pts.push_back(p1); //将点放进容器内
pts.push_back(p2); //因 未初始化数组容量，所以要用 push_back 操作
pts.push_back(p3); //若 已初始化，可以用 数组下标 来操作
pts.push_back(p4);
pts.push_back(p5);
//fillPoly(canvas, pts, Scalar(122, 155, 255), 8, 0); //填充多边形
//polylines(canvas, pts, true, Scalar(90, 0, 255), 2, 8, 0); //绘制多边形
//参数一：画布 参数二：点集 参数三：一定要写true（封闭图形
//参数倒3：线宽(最少为1 参数倒2：线的渲染方式 参数倒1：相对左上角（0,0）的位置
//单个API搞定多边形的绘制和填充
vector<vector<Point>> contours; //搞一个容器，用来装 多边形的点集
contours.push_back(pts); //将一个多边形的点集放进容器内，作为一个元素
drawContours(canvas, contours, -1, Scalar(0, 0, 255), -1); //参数倒1：<0表示填充，>0表示线宽
//参数二：多边形的点集 参数三：-1为绘制全部的多边形；0为绘制第一个，1为绘制第二个，以此类推
imshow("多边形绘制", canvas);
}
//
//选中的矩形区域提取
Point sp(-1, -1); //鼠标的起始位置
Point ep(-1, -1); //鼠标的结束位置
Mat temp;
static void on_draw(int event, int x, int y, int flags, void* userdata) {
//参数一（event）为鼠标事件
Mat image = *((Mat*)userdata);
if (event == EVENT_LBUTTONDOWN) { //若鼠标的左键按下
sp.x = x;
sp.y = y; //此时鼠标的起始位置坐标
cout << "start point" << sp << endl;
}
else if (event == EVENT_LBUTTONUP) { //若鼠标的左键抬起
ep.x = x;
ep.y = y; //此时鼠标的结束位置坐标
int dx = ep.x - sp.x;
int dy = ep.y - sp.y;
if (dx > 0 && dy > 0) { //若鼠标有移动过
Rect box(sp.x, sp.y, dx, dy);
imshow("ROI区域", image(box));
rectangle(image, box, Scalar(0, 0, 255), 2, 8, 0);
imshow("鼠标绘制", image); //这里是为了显示结果
sp.x = -1; //复位，为下一次做准备
sp.y = -1; //复位，为下一次做准备
}
}
else if (event == EVENT_MOUSEMOVE) { //若鼠标正在移动
if (sp.x > 0 && sp.y > 0) {
ep.x = x;
ep.y = y; //此时鼠标的结束位置坐标
int dx = ep.x - sp.x;
int dy = ep.y - sp.y;
if (dx > 0 && dy > 0) { //若鼠标有移动过
Rect box(sp.x, sp.y, dx, dy);
temp.copyTo(image); //为了不将鼠标移动过程中的框也显示出来
rectangle(image, box, Scalar(0, 0, 255), 2, 8, 0);
imshow("鼠标绘制", image); //这里是为了每次重新提取都将前面的覆盖
}
}
}
}
void QuickDemo::mouse_drawing_demo(Mat& image) {
namedWindow("鼠标绘制", WINDOW_AUTOSIZE);
setMouseCallback("鼠标绘制", on_draw, (void*)(&image));
//设置窗口是回调函数，参数二表示调用on_draw
imshow("鼠标绘制", image);
temp = image.clone();
}
//
void QuickDemo::norm_demo(Mat& image) {
Mat dst;
cout << image.type() << endl; //打印图片的类型
image.convertTo(image, CV_32F); //将image的数据转换成浮点型float32位数据
cout << image.type() << endl; //打印转换后的图片数据类型
normalize(image, dst, 1.0, 0, NORM_MINMAX); //进行归一化操作
//参数一：要进行归一化的图片 参数二：归一化后要输出的图片
//参数三：alpha 参数四：beta 参数五：归一化方法
cout << dst.type() << endl; //打印归一化后的图像的类型
imshow("图像的归一化", dst); //显示归一化后的图像
//CV_8UC3 原本为 3通道，每个通道8位的UC（无符号）类型
//CV_32FC3 转换后 3通道，每个通道32位的浮点数类型
/*
归一化方法：
NORM_L1（依据sum） b不用，a为归一化后矩阵的范数值
NORM_L2（依据单位向量为1） b不用，a为 同上
NORM_MINMAX（依据最大值） b不用，a为 同上
NORM_INF（依据min与max的差值） a为归一化后的最小值，b归一化后的最大值
*/
}
//
void QuickDemo::resize_demo(Mat& image) {
Mat zoomin, zoomout;
int h = image.rows;
int w = image.cols;
resize(image, zoomout, Size(w / 2, h / 2), 0, 0, INTER_LINEAR); // INTER_LINEAR 为线性插值
//若Size里的值没变，则按照参数四fx（水平轴）和参数五fy（垂直轴）来进行放缩操作
//参数六：插值的方法
imshow("zoomout", zoomout);
resize(image, zoomin, Size(w * 1.5, h * 1.5), 0, 0, INTER_LINEAR);
imshow("zoomin", zoomin);
}
//
void QuickDemo::flip_demo(Mat& image) {
Mat dst;
flip(image, dst, 0); // 0 上下翻转 x对称
imshow("图像上下翻转", dst);
flip(image, dst, 1); // 1 左右翻转 y对称
imshow("图像左右翻转", dst);
flip(image, dst, -1); //-1 上下左右都翻转（相当于旋转180°）
imshow("图像上下左右翻转", dst);
}
//
void QuickDemo::rotate_demo(Mat& image) {
Mat dst, M; //M为2*3的变换矩阵（旋转矩阵）
int w = image.cols; //图片宽度
int h = image.rows; //图片高度
M = getRotationMatrix2D(Point(w / 2, h / 2), 45, 1.0); //获得旋转矩阵 M
//参数一：原来图像的中心点位置 参数二：旋转角度(逆时针) 参数三：图像本身大小的放大缩小
double cos = abs(M.at<double>(0, 0)); //取绝对值
double sin = abs(M.at<double>(0, 1));
/*
[x'] = [ cos sin] * [x]
[y'] [-sin cos] [y],
M = [ cos sin 0]
[-sin cos 0], （第三列用来控制平移）
*/
double nw = cos * w + sin * h; //旋转后图像所占矩形的宽
double nh = sin * w + cos * h; //旋转后图像所占矩形的高
//更新 新的中心 （将新中心平移到正确位置上）
M.at<double>(0, 2) += (nw / 2 - w / 2); //将矩形的宽高 加上偏差量 （新M的第一列最后的值）
M.at<double>(1, 2) += (nh / 2 - h / 2); //将矩形的宽高 加上偏差量 （新M的第二列最后的值）
warpAffine(image, dst, M, Size(nw, nh), INTER_LINEAR, 0, Scalar(255, 255, 0)); //进行旋转
//参数四：原来图像的中心点位置 参数五：插值方式
//参数六：边缘的处理方式 参数七：边缘底图的颜色
namedWindow("旋转演示", WINDOW_FREERATIO); //可调整显示图片的窗口大小
imshow("旋转演示", dst);
}
//
void QuickDemo::video_demo1(Mat& image) {
//读已有视频
VideoCapture capture("E:/images/video/6.mp4");//读取视频地址
Mat frame; //定义一个二值化的 frame
while (true) {
capture.read(frame);
//flip(frame, frame, 1); // 1 左右翻转 y对称 （镜像）
if (frame.empty()) //如果读入失败
{
break; //若视频为空，则跳出操作
}
imshow("frame", frame); //显示视频
colorSpace_Demo(frame); //对视频调用之前的demo
int c = waitKey(50); //等待10ms（1s = 1000ms），做视频处理都是1
if (c == 27) { //按 esc 退出应用程序
break;
}
}
capture.release(); //释放相机的资源
//
// //调用电脑摄像头
// VideoCapture capture(0);
// Mat frame; //定义一个二值化的 frame
// while (true) {
// capture.read(frame);
// if (frame.empty()) //如果读入失败
// {
// break; //若视频为空，则跳出操作
// }
// flip(frame, frame, 1); // 1 左右翻转 y对称 （镜像）
// imshow("frame", frame); //显示视频
// int c = waitKey(10); //等待10ms（1s = 1000ms），做视频处理都是1
// if (c == 27) { //按 esc 退出应用程序
// break;
// }
//}
}
//
void QuickDemo::video_demo2(Mat& image) {
//视频的属性：SD(标清)，HD(高清)，UHD(超清)，蓝光。
VideoCapture capture("E:/images/video/7.mp4");//读取视频地址
int frame_width = capture.get(CAP_PROP_FRAME_WIDTH); //获取视频的宽度
int frame_height = capture.get(CAP_PROP_FRAME_HEIGHT); //获取视频的高度
int count = capture.get(CAP_PROP_FRAME_COUNT); //获取视频总的帧数
//fps是衡量处理视频的能力 （一秒钟处理多少张图片的能力，处理速度越快则越好）
double fps = capture.get(CAP_PROP_FPS);
cout << "frame width：" << frame_width << endl;
cout << "frame height：" << frame_height << endl;
cout << "FPS：" << fps << endl;
cout << "Number of frame：" << count << endl;
VideoWriter writer("E:/images/video/save/test.mp4", capture.get(CAP_PROP_FOURCC), fps, Size(frame_width, frame_height), true);
//参数一：保存地址 参数二：获取图片的格式(编码方式) 参数三：图片是帧数 参数四：视频宽高 参数五：与原来颜色保持一致
//等全部运行完再去查看视频是否保存成功
Mat frame;
while (true) {
capture.read(frame);
//flip(frame, frame, 1); // 1 左右翻转 y对称 （镜像）
if (frame.empty()) //如果读入失败
{
break; //若视频为空，则跳出操作
}
imshow("frame", frame); //显示视频
colorSpace_Demo(frame); //对视频调用之前的demo
writer.write(frame);
int c = waitKey(1); //等待10ms（1s = 1000ms），做视频处理都是1
if (c == 27) { //按 esc 退出应用程序
break;
}
}
//release
writer.release();
capture.release(); //释放相机的资源
}
//
void QuickDemo::histogram_demo(Mat& image) {
//三通道分离
vector<Mat> bgr_plane;
split(image, bgr_plane);
//定义参数变量
const int channels[1] = { 0 };
const int bins[1] = { 256 }; //总共 256 个灰度级别
float hranges[2] = { 0,255 }; //每个通道的取值范围是 0 到 255
const float* ranges[1] = { hranges };
Mat b_hist;
Mat g_hist;
Mat r_hist;
//计算 Blue，Green，Red 通道的直方图
calcHist(&bgr_plane[0], 1, 0, Mat(), b_hist, 1, bins, ranges); //第一个通道
calcHist(&bgr_plane[1], 1, 0, Mat(), g_hist, 1, bins, ranges);
calcHist(&bgr_plane[2], 1, 0, Mat(), r_hist, 1, bins, ranges);
//参数一：要计算直方图的数据 参数二：1表示只有一张图(输入图像的格式)
//参数三：需要统计直方图的第几个通道 参数四：掩模，mask必须是8位的数组且和参数一的大小一致
//参数五：b_hist表示直方图的输出 参数六：1表示维度是一维的(输出直方图的维度dims)
//参数七：直方图中每个维度需分成的区间个数 参数八：ranges表示直方图的取值范围(区间)
//显示直方图
int hist_w = 512; //设置 画布宽度 为512
int hist_h = 400; //设置 画布高度 为400
int bin_w = cvRound((double)hist_w / bins[0]); //每个 bin 占的宽度
//cvRound()四舍五入返回数值
Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3); //创建画布
//归一化直方图数据（归一化到大小一致的范围内）
normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat()); //histImage.rows是为了不超出画布许可的高度范围
normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
//参数一：要进行归一化的图片 参数二：归一化后要输出的图片
//参数三：alpha 参数四：beta 参数五：归一化方法
//绘制直方图曲线
for (int i = 1; i < bins[0]; i++) { //每个bin占2个像素的位置
line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(b_hist.at<float>(i - 1))),
Point(bin_w * (i), hist_h - cvRound(b_hist.at<float>(i))), Scalar(255, 0, 0), 2, 3, 0);
line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(g_hist.at<float>(i - 1))),
Point(bin_w * (i), hist_h - cvRound(g_hist.at<float>(i))), Scalar(0, 255, 0), 2, 3, 0);
line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(r_hist.at<float>(i - 1))),
Point(bin_w * (i), hist_h - cvRound(r_hist.at<float>(i))), Scalar(0, 0, 255), 2, 3, 0);
//从前一个位置到当前位置连上一条线
}
//显示直方图
namedWindow("Histogram Demo", WINDOW_AUTOSIZE);
imshow("Histogram Demo", histImage);
}
//
void QuickDemo::histogram_2d_demo(Mat& image) {
//2D直方图
Mat hsv, hs_hist;
cvtColor(image, hsv, COLOR_BGR2HSV); //先把RGB色彩空间转换到hsv的空间中
int hbins = 30, sbins = 32;
int hist_bins[] = { hbins, sbins }; //h和s这两个维度需分成的 区间个数
float h_range[] = { 0,180 }; //h的取值范围
float s_range[] = { 0,256 }; //s的取值范围
const float* hs_ranges[] = { h_range, s_range };
int hs_channels[] = { 0,1 };
//计算通道的直方图
calcHist(&hsv, 1, hs_channels, Mat(), hs_hist, 2, hist_bins, hs_ranges, true, false);
//参数一：要计算直方图的数据 参数二：1表示只有一张图(输入图像的格式)
//参数三：需要统计直方图的第几个通道(前两个) 参数四：掩模，mask必须是8位的数组且和参数一的大小一致
//参数五：b_hist表示直方图的输出 参数六：2表示维度是二维的(输出直方图的维度dims)
//参数七：直方图中每个维度需分成的区间个数 参数八：hs_ranges表示直方图的取值范围(区间)
//参数九：是否对得到的直方图进行归一化处理 参数十：在多个图像时，是否累计计算像素值的个数
double maxVal = 0;
minMaxLoc(hs_hist, 0, &maxVal, 0, 0); //寻找最大值和最小值及其位置（这里先找到最大值）
//参数一：输入单通道的数组
//参数二：返回最小值的指针 参数三：返回最大值的指针
//参数四：返回最小值位置的指针 参数五：返回最大值位置的指针
int scale = 10;
Mat hist2d_image = Mat::zeros(sbins * scale, hbins * scale, CV_8UC3); //创建空白图像
for (int h = 0; h < hbins; h++) {
for (int s = 0; s < sbins; s++) {
float binVal = hs_hist.at<float>(h, s);
int intensity = cvRound(binVal * 255 / maxVal);
rectangle(hist2d_image, Point(h * scale, s * scale),
Point((h + 1) * scale - 1, (s + 1) * scale - 1), Scalar::all(intensity), -1);
}
}
//显示直方图
//applyColorMap(hist2d_image, hist2d_image, COLORMAP_JET); //产生伪色彩图像
namedWindow("H-S Histogram", WINDOW_AUTOSIZE);
imshow("H-S Histogram", hist2d_image);
imwrite("E:/images/Histogram_demo.png", hist2d_image);
}
//
void QuickDemo::histogram_eq_demo(Mat& image) {
//直方图均衡化 (目的是对比度拉伸，即 对比度会更强)
//用途：用于图像增强，人脸检测，卫星遥感(提升图像质量)。
//opencv中，均衡化的图像只支持单通道
Mat gray;
cvtColor(image, gray, COLOR_BGR2GRAY);
imshow("灰度图像", gray);
Mat dst;
equalizeHist(gray, dst);
imshow("直方图均衡化演示", dst);
}
//
void QuickDemo::blur_demo(Mat& image) { //会变模糊，且卷积核尺寸越大则越模糊
Mat dst;
blur(image, dst, Size(15, 15), Point(-1, -1)); //均值滤波 均值模糊
//参数三：卷积核的大小 参数四：卷积的起始点（Point(-1, -1)则默认取核的中心）
// 参数三中：
//Size(15, 1) 左右晃动的模糊（只有行的话
//Size(1, 15) 上下 （ 列
imshow("图像卷积操作", dst);
}
//
void QuickDemo::gaussian_blur_demo(Mat& image) {
//中心值最大，离中心越远值越小
Mat dst;
GaussianBlur(image, dst, Size(5, 5), 15);
//参数三：高斯矩阵的大小（正数且奇数）
//参数四：sigmaX 和 sigmaY 为15
//（参数三和四都 值越大则越模糊，且参数四的影响更明显）
imshow("高斯模糊", dst);
}
//
void QuickDemo::bifilter_demo(Mat& image) { //可做磨皮操作
Mat dst;
bilateralFilter(image, dst, 0, 100, 10);
//参数三：色彩空间 参数四：坐标空间 （双边是指 色彩空间 和 坐标空间
namedWindow("高斯双边模糊", WINDOW_AUTOSIZE);
imshow("高斯双边模糊", dst);
}
void QuickDemo::face_detection_demo() {
std::string root_dir = "E:/OpenCV-c++/opencv/sources/samples/dnn/face_detector/";
//读取深度学习网络
dnn::Net net=dnn::readNetFromTensorflow(root_dir+"opencv_face_detector_uint8.pb", root_dir+"opencv_face_detector.pbtxt");
//网络模型加载好了我们需要加载视频
VideoCapture capture("E:/OpenCV-c++/opencv_tutorial_data-master/images/example_dsh.mp4");//读取视频地址
Mat frame;
while (true)
{
capture.read(frame);
if (frame.empty())
{
break;
}
Mat blob = dnn::blobFromImage(frame, 1.0, Size(300, 300), Scalar(104, 177, 123), false, false);
net.setInput(blob);//NCHW
//N->表示多少个 C->通道数 H->高度 W->宽度
Mat probs = net.forward();//
Mat detectionMat(probs.size[2], probs.size[3], CV_32F, probs.ptr<float>());
for (int i = 0; i < detectionMat.rows; i++)
{
float confidence = detectionMat.at<float>(i, 2);
if (confidence > 0.5) {
int x1 = static_cast<int>(detectionMat.at<float>(i, 3)*frame.cols);
int y1 = static_cast<int>(detectionMat.at<float>(i, 4) * frame.rows);
int x2 = static_cast<int>(detectionMat.at<float>(i, 5) * frame.cols);
int y2 = static_cast<int>(detectionMat.at<float>(i, 6) * frame.rows);
Rect box(x1, y1, x2 - x1, y2 - y1);
rectangle(frame, box, Scalar(0, 0, 255), 2, 8, 0);
}
}
//解析结果
imshow("人脸检测演示",frame);
int c = waitKey(100); //等待10ms（1s = 1000ms），做视频处理都是1
if (c == 27) { //按 esc 退出应用程序
break;
}
}
}本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
