Qt Quick 图像处理实例之美图秀秀（附源码下载）

    在《Qt Quick 之 QML 与 C++ 混合编程详解》一文中我们讲解了 QML 与 C++ 混合编程的方方面面的内容，这次我们通过一个图像处理应用，再来看一下 QML 与 C++ 混合编程的威力，同时也为诸君揭开美图秀秀、魔拍之类的相片美化应用的底层原理。

    项目的创建过程请参考《Qt Quick 之 Hello World 图文详解》，项目名称为 imageProcessor ，创建完成后需要添加两个文件： imageProcessor.h 和 imageProcessor.cpp 。

    本文是作者 Qt Quick 系列文章中的一篇，其它文章在这里：

• Qt Quick 简介
• QML 语言基础
• Qt Quick 之 Hello World 图文详解
• Qt Quick 简单教程
• Qt Quick 事件处理之信号与槽
• Qt Quick事件处理之鼠标、键盘、定时器
• Qt Quick 事件处理之捏拉缩放与旋转
  
• Qt Quick 组件与对象动态创建详解
  
• Qt Quick 布局介绍
• Qt Quick 之 QML 与 C++ 混合编程详解

实例效果

    先看一下示例的实际运行效果，然后我们再来展开。

    图 1 是在电脑上打开一个图片后的初始效果：

                  图 1 初始效果

    图 2 是应用柔化特效后的效果：

  

               图 2 柔化特效

    图 3 是应用灰度特效后的截图：

                   图 3 灰度特效

    图 4 是浮雕特效：

             图 4 浮雕特效

    图 5 是黑白特效：

                图 5 黑白特效

    图 6 是应用底片特效后的截图：

                  图 6 底片特效

    如果你注意到我博客的头像……嗯，木错，它就是我使用本文实例的底片特效做出来的。

    图 7 是应用锐化特效后的截图：

                  图 7 锐化特效

    特效展示完毕，那么它们是怎么实现的呢？这就要说到图像处理算法了。

图像处理算法

    imageProcessor 实例提供了"柔化"、"灰度"、"浮雕"、"黑白"、"底片"、"锐化"六种图像效果。算法的实现在 imageProcessor.h / imageProcessor.cpp 两个文件中，我们先简介每种效果对应的算法，然后看代码实现。

柔化

    柔化又称模糊，图像模糊算法有很多种，我们最常见的就是均值模糊，即取一定半径内的像素值之平均值作为当前点的新的像素值。

    为了提高计算速度，我们取 3 为半径，就是针对每一个像素，将周围 8 个点加上自身的 RGB 值的平均值作为像素新的颜色值置。代码如下：

static void _soften(QString sourceFile, QString destFile)
{
    QImage image(sourceFile);
    if(image.isNull())
    {
        qDebug() << "load " << sourceFile << " failed! ";
        return;
    }
    int width = image.width();
    int height = image.height();
    int r, g, b;
    QRgb color;
    int xLimit = width - 1;
    int yLimit = height - 1;
    for(int i = 1; i < xLimit; i++)
    {
        for(int j = 1; j < yLimit; j++)
        {
            r = 0;
            g = 0;
            b = 0;
            for(int m = 0; m < 9; m++)
            {
                int s = 0;
                int p = 0;
                switch(m)
                {
                case 0:
                    s = i - 1;
                    p = j - 1;
                    break;
                case 1:
                    s = i;
                    p = j - 1