opencv创建createTrackbar滑动条

 
addWeighted( const CvArr* src1, double alpha,  const CvArr* src2, double beta,  double gamma, CvArr* dst );
src1  //第一个原数组.      
alpha  //第一个数组元素的权值  
src2  //第二个原数组  
beta  //第二个数组元素的权值  
dst  //输出数组  
gamma  //添加的常数项。  
函数 cvAddWeighted 计算两数组的加权值的和:  
dst(I)=src1(I)*alpha+src2(I)*beta+gamma

int cvCreateTrackbar(

const char* trackbar_name, //滑动条的名称

const char* window_name, //窗口的名称,滑动条不会遮挡图像

int* value, //当滑动条被拖到时,OpenCV会自动将当前位置所代表的值传给指针指向的整数

int count, //滑动条所能达到的最大值

CvTrackbarCallback on_change //可选的回调函数

);



#include<iostream>

#include<opencv2\opencv.hpp>
using namespace std;
using namespace cv;

#define WIN_NAME "mixed win"


int g_val;
const int g_max=300;
double g_alpha;
double b;
Mat image, logg, des;


void createImg(Mat &m) {
for (int i = 0; i < m.rows; i++) {
Vec4b &vec = m.at<Vec4b>(i);
for (int j = 0; j < m.cols; j++) {
vec[0] = 0;
vec[1] = saturate_cast<uchar>((float(m.cols-j) / float(m.cols))*UCHAR_MAX);
vec[1] = saturate_cast<uchar>((float(m.rows-i) / float(m.rows))*UCHAR_MAX);
vec[1] = saturate_cast<uchar>((vec[1]+vec[2])*0.5);
}
}
}

//回调函数
void onTrack(int, void *) {
g_alpha = (double)g_val / g_max;
b = 1 - g_val;
addWeighted(image, g_alpha ,logg, b, 3.0, des);
imshow(WIN_NAME, des);
}
int main() {
Mat mat(480, 640, CV_8UC4);
createImg(mat);
vector<int> param;
param.push_back(IMWRITE_PNG_COMPRESSION);
param.push_back(9);
try
{
imwrite("F:\\img\\p.png", mat, param);
imshow("img",mat);
}
catch (const std::exception&err)
{
cout << err.what()<<endl;
return -1;
}

//注意:两张图片的大小必须一样,否则编译通不过
image=imread("F:\\img\\bb1.jpg" );
logg = imread("F:\\img\\bb2.jpg");
namedWindow("ff");
imshow("image", image);
namedWindow("logg");
imshow("logg", logg);


g_val = 0;
namedWindow(WIN_NAME, 1);
char TrackName[50];
//sprintf(TrackName, "alptha %d", g_max);
createTrackbar(TrackName, WIN_NAME, &g_val, g_max, onTrack);
onTrack(g_val, 0);
waitKey(0);


return 0;

}


  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值