【分享用于学习C++图像处理的代码示例】框架

转自：分享用于学习C++图像处理的代码示例

为了便于学习图像处理并研究图像算法，

俺写了一个适合初学者学习的小小框架。

 

麻雀虽小五脏俱全。

 

采用的加解码库:stb_image

官方:http://nothings.org/

 

stb_image.h用于解析图片格式:

JPG, PNG, TGA, BMP, PSD, GIF, HDR, PIC

stb_image_write.h用于保存图片格式:

PNG, TGA, BMP, HDR

 

附带处理耗时计算,示例演示了一个简单的反色处理算法,并简单注释了一下部分逻辑。

 

完整代码:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208

#include <iostream> #include <algorithm>   #include <cstdint> #include <numeric> #include <math.h> #include <io.h>   //使用stbImage http://nothings.org/ #define STB_IMAGE_IMPLEMENTATION #include "stb_image.h" #define STB_IMAGE_WRITE_IMPLEMENTATION #include "stb_image_write.h"   //如果是Windows的话，调用系统API ShellExecuteA打开图片 #if defined(_MSC_VER) #include <windows.h> #define USE_SHELL_OPEN #endif   //是否使用OMP方式计时 #define USE_OMP 0   #if  USE_OMP #include <omp.h> auto  const  epoch = omp_get_wtime(); double  now() {      return  omp_get_wtime() - epoch; }; #else #include <chrono> auto  const  epoch = std::chrono::steady_clock::now(); double  now() {      return  std::chrono::duration_cast<std::chrono::milliseconds>(std::chrono::steady_clock::now() - epoch).count() / 1000.0; }; #endif   //计时函数 template < typename  FN> double  bench( const  FN &fn) {      auto  took = -now();      return  (fn(), took + now()); }   //存储当前传入文件位置的变量 std::string m_curFilePath;   //加载图片 void  loadImage( const  char * filename, unsigned  char *& Output,  int   &Width,  int   &Height,  int  &Channels) {      Output = stbi_load(filename, &Width, &Height, &Channels, 0); } //保存图片 void  saveImage( const  char * filename,  int   Width,  int   Height,  int  Channels, unsigned  char * Output,  bool  open =  true ) {      std::string saveFile = m_curFilePath;      saveFile += filename;      //保存为png,也可以调用stbi_write_bmp 保存为bmp      stbi_write_png(saveFile.c_str(), Width, Height, Channels, Output, 0);   #ifdef USE_SHELL_OPEN      if  (open)          ShellExecuteA(NULL,  "open" , saveFile.c_str(), NULL, NULL, SW_SHOW); #else      //其他平台暂不实现 #endif }   //取当前传入的文件位置 void  getCurrentFilePath( const  char * filePath, std::string& curFilePath) {      char  drive[_MAX_DRIVE];      char  dir[_MAX_DIR];      char  fname[_MAX_FNAME];      char  ext[_MAX_EXT];      curFilePath.clear();      _splitpath_s(filePath, drive, dir, fname, ext);      curFilePath += drive;      curFilePath += dir;      curFilePath += fname;      curFilePath +=  "_" ; }   //算法处理,这里以一个反色作为例子 void  processImage(unsigned  char * Input, unsigned  char * Output, unsigned  int   Width, unsigned  int   Height, unsigned  int  Channels) {      int  WidthStep = Width*Channels;      if  (Channels == 1)      {          for  (unsigned  int  Y = 0; Y < Height; Y++)          {              unsigned  char *     pOutput = Output + (Y * WidthStep);              unsigned  char *     pInput = Input + (Y * WidthStep);              for  (unsigned  int  X = 0; X < Width; X++)              {                  pOutput[0] = 255 - pInput[0];                    //下一个像素点                  pInput += Channels;                  pOutput += Channels;              }          }      }      else     if  (Channels == 3 || Channels == 4)      {          for  (unsigned  int  Y = 0; Y < Height; Y++)          {              unsigned  char *     pOutput = Output + (Y * WidthStep);              unsigned  char *     pInput = Input + (Y * WidthStep);              for  (unsigned  int  X = 0; X < Width; X++)              {                  pOutput[0] = 255 - pInput[0];                  pOutput[1] = 255 - pInput[1];                  pOutput[2] = 255 - pInput[2];                  //通道数为4时，不处理A通道反色(pOutput[3] = 255 - pInput[3];)                  //下一个像素点                  pInput += Channels;                  pOutput += Channels;              }          }      }   }   //本人博客:http://tntmonks.cnblogs.com/转载请注明出处.   int  main( int  argc,  char  **argv) {        std::cout <<  "Image Processing "  << std::endl;      std::cout <<  "Demo By Gaozhihan (Build 2016-03-22)"  << std::endl;      std::cout <<  "支持解析如下图片格式:"  << std::endl;      std::cout <<  "JPG, PNG, TGA, BMP, PSD, GIF, HDR, PIC"  << std::endl;        //检查参数是否正确      if  (argc < 2)      {          std::cout <<  "参数错误。"  << std::endl;          std::cout <<  "请拖放文件到可执行文件上，或使用命令行：imageProc.exe 图片"  << std::endl;          std::cout <<  "例如: imageProc.exe d:\\image.jpg"  << std::endl;            return  0;      }        std::string szfile = argv[1];      //检查输入的文件是否存在      if  (_access(szfile.c_str(), 0) == -1)      {          std::cout <<  "输入的文件不存在，参数错误！"  << std::endl;      }        getCurrentFilePath(szfile.c_str(), m_curFilePath);        int  Width = 0;         //图片宽度      int  Height = 0;         //图片高度      int  Channels = 0;     //图片通道数      unsigned  char * inputImage = NULL;     //输入图片指针        double  nLoadTime = bench([&]{          //加载图片          loadImage(szfile.c_str(), inputImage, Width, Height, Channels);      });      std::cout <<  " 加载耗时: "  <<  int (nLoadTime * 1000) <<  " 毫秒"  << std::endl;      if  ((Channels != 0) && (Width != 0) && (Height != 0))      {          //分配与载入同等内存用于处理后输出结果          unsigned  char * outputImg = (unsigned  char *)STBI_MALLOC(Width*Channels*Height* sizeof (unsigned  char ));          if  (inputImage) {              //如果图片加载成功，则将内容复制给输出内存，方便处理              memcpy (outputImg, inputImage, Width*Channels*Height);          }          else      {              std::cout <<  " 加载文件: \n"  << szfile.c_str() <<  " 失败!"  << std::endl;          }            double  nProcessTime = bench([&]{              //处理算法              processImage(inputImage, outputImg, Width, Height, Channels);          });          std::cout <<  " 处理耗时: "  <<  int (nProcessTime * 1000) <<  " 毫秒"  << std::endl;            //保存处理后的图片          double  nSaveTime = bench([&]{              saveImage( "_done.png" , Width, Height, Channels, outputImg);          });          std::cout <<  " 保存耗时: "  <<  int (nSaveTime * 1000) <<  " 毫秒"  << std::endl;            //释放占用的内存          if  (outputImg)          {              STBI_FREE(outputImg);              outputImg = NULL;          }            if  (inputImage)          {              STBI_FREE(inputImage);              inputImage = NULL;          }      }      else      {          std::cout <<  " 加载文件: \n"  << szfile.c_str() <<  " 失败!"  << std::endl;      }        getchar ();      std::cout <<  "按任意键退出程序 \n"  << std::endl;      return  0; }

　　

示例具体流程为：

加载图片->算法处理->保存图片->打开保存图片(仅Windows)

并对 加载，处理，保存 这三个环节都进行了耗时计算并输出。

 

示例代码下载:

http://files.cnblogs.com/files/tntmonks/imageProcDemo.zip

 

若有其他相关问题或者需求也可以邮件联系俺探讨。

邮箱地址是: 
gaozhihan@vip.qq.com