QT--Opencv图片处理

提示：本文为学习记录，若有疑问，请联系作者。

---

前言

忙碌里寻宝藏。

---

opencv主要是对图像进行处理。

一、读取照片

原型
Mat imread( const String& filename, int flags )

第一个参数 filename： 表示图像的路径。
第二个参数 flags：表示读取图像的方式。

  IMREAD_UNCHANGED = -1，表示读取原图, 不进行任何改变
  IMREAD_GRAYSCALE = 0，表示以灰度图方式读取原图
  IMREAD_COLOR = 1，表示以RGB方式读取原图
   默认不加 flags 的话，表示不做改变读取原图。

enum ImreadModes {
       IMREAD_UNCHANGED            = -1, //如果设置，则返回的数据带有alpha通道（R,G,B,A 四个通道），否则没有alpha通道
       IMREAD_GRAYSCALE            = 0,  //如果设置，则将图像转换为单通道灰度图像
       IMREAD_COLOR                = 1,  //如果设置，则将图像转换成3通道BGR彩色图像
       IMREAD_ANYDEPTH             = 2,  //如果设置，则在输入具有相应深度时返回16位/32位图像，否则将其转换为8位
       IMREAD_ANYCOLOR             = 4,  //如果设置，则图像可能以任何颜色格式读取
       IMREAD_LOAD_GDAL            = 8,  //如果设置，使用gdal驱动程序加载图像
       IMREAD_REDUCED_GRAYSCALE_2  = 16, //如果设置，总是将图像转换为单通道灰度图像且图像大小减少1/2
       IMREAD_REDUCED_COLOR_2      = 17, //如果设置，总是将图像转换为3通道BGR彩色图像且图像大小减少1/2
       IMREAD_REDUCED_GRAYSCALE_4  = 32, //如果设置，总是将图像转换为单通道灰度图像且图像大小减少1/4
       IMREAD_REDUCED_COLOR_4      = 33, //如果设置，总是将图像转换为3通道BGR彩色图像且图像大小减少1/4
       IMREAD_REDUCED_GRAYSCALE_8  = 64, //如果设置，总是将图像转换为单通道灰度图像且图像大小减少1/8
       IMREAD_REDUCED_COLOR_8      = 65, //如果设置，总是将图像转换为3通道BGR彩色图像且图像大小减少1/8
       IMREAD_IGNORE_ORIENTATION   = 128 //如果设置，不会根据EXIF的方向标志旋转图像
     };

filename 图片路径编译器里面接受 单斜杆/, 双斜杆//, 以及反向双斜杆 \。 不支持反向单斜杆\。
代码如下：

QString filename=QFileDialog::getOpenFileName(this,"打开图像文件","C:\\Users\\lizhifun\\Desktop\\ModelTest\\","Image File(*.bmp;*.png;*.jpg)");
if(filename == "")
{
QMessageBox::information(this,"提示","文件打开失败!");
return;
}
Mat img_input = cv::imread(cv::String(filename.toLocal8Bit().toStdString()));
if(img_input.empty())
{
QMessageBox::information(this,"提示","文件打开失败!");
 return;
 }

二、保存照片

            QString filename = QCoreApplication::applicationDirPath();
            image.save("./mirror.png");

            Mat img_input = cv::imread("./mirror.png");
            //Mat转QImage 颜色
            cvtColor(img_input,img_input,CV_BGR2RGB);
            //Mat转QImage 像素   oldlabel放置原图
            QImage disimage = QImage(img_input.data,img_input.cols,img_input.rows,img_input.cols*img_input.channels(),QImage::Format_RGB888);

            Mat retimage;
            //高斯模糊
            GaussianBlur(img_input,retimage,Size(5,5),3,3);
            GaussianBlur(retimage,retimage,Size(5,5),3,3);

            //Mat转QImage 像素   newlabel放置图像处理后图片
            QImage disimage2 = QImage(retimage.data,retimage.cols,retimage.rows,retimage.cols*retimage.channels(),QImage::Format_RGB888);
            disimage2 = disimage2.scaled(ui->label_4->width(),ui->label_4->height());
            
            ui->label_4->setPixmap(QPixmap::fromImage(disimage2));
            ui->label_4->setScaledContents(true);

//            QFile m_image("./mirror.png");
//            m_image.remove();

三、图像算法

1.高斯滤波

高斯模糊 GaussianBlur(Mat src, Mat dst, Size(11, 11), sigmax, sigmay);
参数1：输入图片
参数2：输出图片
参数3：内核大小
参数4：高斯核函数在X方向上的标准偏差
参数5：高斯核函数在Y方向上的标准偏差
代码计算：

const long _RADIUS = 10;//10 值越大越模糊
const long _IMAGES = 2;
QImage _image[_IMAGES];

/*放在函数里，下面是主要代码*/
//高斯滤波
if (!_IMAGES) return;
    _image[0] = image;
     if (_image[0].isNull()) return;
       for(int i = 1; i < _IMAGES; ++i)
       {
         if (i == 1)
            _image[1] = _image[0].convertToFormat(QImage::Format_RGB888);
         else
             _image[i] = _image[1].copy();
      }
static filter::pair_t pair[] =
   {
   { filter::Gauss, filter::Blur1D },
    { filter::Gauss, filter::Blur2D }
    };
filter::bitmap_t bmp;
for(int i = 1; i < _IMAGES; ++i)
   {
       bmp.set((filter::bitmap_t::pixel_t*)_image[i].bits(),
       _image[i].width(), _image[i].height());
       CHECK_TIME(i, filter::Filter(pair[i - 1], bmp, _RADIUS))
   }
 image = _image[1];

opencv库函数

void cv::GaussianBlur(
	cv::InputArray src, // 输入图像
	cv::OutputArray dst, // 输出图像
	cv::Size ksize, // 核大小
	double sigmaX, // x方向高斯半宽
	double sigmaY = 0.0, // y方向高斯半宽
	int borderType = cv::BORDER_DEFAULT // 边界处理方法
);

GaussianBlur(src, dst, Size(9, 9), 0);		//高斯滤波

2.均值滤波

均值模糊 blur(Mat src, Mat dst, Size(x，y), Point(-1,-1));
参数1：输入图片
参数2：输出图片
参数3：x*y大小的内核
参数4：锚点（默认-1，-1）

void cv::blur(
	cv::InputArray src, // 输入图像
	cv::OutputArray dst, // 输出图像
	cv::Size ksize, // 核大小
	cv::Point anchor = cv::Point(-1,-1), // 锚点位置
	int borderType = cv::BORDER_DEFAULT // 边界处理方法
);

blur(src, dst, Size(9, 9), Point(-1, -1));		//均值滤波

3.中值滤波

中值模糊 medianBlur(Mat src, Mat dst, ksize)
参数1：输入图片
参数2：输出图片
参数3：滤波模板的尺寸大小（大于1的奇数）

void cv::medianBlur(
	cv::InputArray src, // 输入图像
	cv::OutputArray dst, // 输出图像
	cv::Size ksize // 核大小
);

medianBlur(src, dst, 9);		//中值滤波

4.双边滤波

双边滤波 bilateralFilter(Mat src, Mat dst, d = 15, double sigmaColor, double sigmaSpace)
参数1：输入图片
参数2：输出图片
参数3：计算的半径，半径之内的像素会被纳入计算，如果提供-1则根据sigma space参数取值
参数4：sigma color决定多少差值之内的像素会被计算
参数5：如果d的值大于0则声明无效，否则用它来计算d值

第一个参数d是滤波过程中的像素邻域直径；
第二个参数是用于颜色域高斯核的参数，称作sigmaColor，和高斯滤波中的sigma参数类似；
第三个参数是空间域中的高斯核宽度，称作sigmaSpace。

bilateralFilter(src, dst, 9, 75, 75);					//双边滤波

5.其他操作

一、图像模糊
上面已介绍。

二、腐蚀与膨胀
获取结构元素 Mat getStructuringElement(int shape, Size esize, Point anchor = Point(-1, -1));
参数1：内核形状
矩形：MORPH_RECT;
交叉形：MORPH_CROSS;
椭圆形：MORPH_ELLIPSE;
参数2：内核尺寸
参数3：内核锚点

膨胀 dilate(src, dst, kernal)
参数1：输入图片
参数2：输出图片
参数3：膨胀操作的核

腐蚀 erode(src, dst, kernal)
参数1：输入图片
参数2：输出图片
参数3：腐蚀操作的核

三、形态学操作
形态学操作 morphologyEx(src, dest, CV_MOP_BLACKHAT, kernel);
参数1：输入图片
参数2：输出图片
参数3：形态学操作类型
参数4：结构元素

• 开操作：CV_MOP_OPEN -先腐蚀后膨胀
• 闭操作：CV_MOP_CLOSE -先膨胀后腐蚀
• 形态学梯度：CV_MOP_GRADIENT -膨胀减去腐蚀
• 顶帽：CV_MOP_TOPHAT -原图像与开操作图像的差值图像
• 黑帽：CV_MOP_BLACKHAT -闭操作图像与原图像的差值图像

自适应二值化 adaptiveThreshold( Mat src, Mat dest, double maxValue, int adaptiveMetad, int thresholdType, int blockSize, double C）
参数1：输入的灰度图像
参数2：输出的二值图像
参数3：二值图像最大值
参数4：自适应方法

• ADAPTIVE_THRESH_MEAN_C 计算出领域的平均值再减去第七个参数double C的值
• ADAPTIVE_THRESH_GAUSSIAN_C 计算出领域的高斯均值再减去第七个参数double C的值

参数5：阈值类型

• THRESH_BINARY
• THRESH_BINARY_INV

参数6：块大小
参数7：最终阈值

四、插值算法

resize是opencv库中的一个函数
函数功能: 缩小或者放大函数至某一个大小

resize(InputArray src, OutputArray dst, Size dsize, 
        double fx=0, double fy=0, int interpolation=INTER_LINEAR )

参数解释：
InputArray src ：输入，原图像，即待改变大小的图像；
OutputArray dst： 输出，改变后的图像。这个图像和原图像具有相同的内容，只是大小和原图像不一样而已；
dsize：输出图像的大小。如果这个参数不为0，那么就代表将原图像缩放到这个Size(width，height)指定的大小；如果这个参数为0，那么原图像缩放之后的大小就要通过下面的公式来计算：
dsize = Size(round(fxsrc.cols), round(fysrc.rows))

其中，fx和fy就是下面要说的两个参数，是图像width方向和height方向的缩放比例。
fx：width方向的缩放比例，如果它是0，那么它就会按照(double)dsize.width/src.cols来计算；
fy：height方向的缩放比例，如果它是0，那么它就会按照(double)dsize.height/src.rows来计算；

interpolation：这个是指定插值的方式，图像缩放之后，肯定像素要进行重新计算的，就靠这个参数来指定重新计算像素的方式，有以下几种：
INTER_NEAREST - 最邻近插值
INTER_LINEAR - 双线性插值，如果最后一个参数你不指定，默认使用这种方法
INTER_AREA - 区域插值法
INTER_CUBIC - 4x4像素邻域内的双立方插值
INTER_LANCZOS4 - 8x8像素邻域内的Lanczos插值

使用注意事项：

dsize和fx/fy不能同时为0，
要么你就指定好dsize的值，让fx和fy空置直接使用默认值，就像resize(img, imgDst, Size(30,30));
要么你就让dsize为0，指定好fx和fy的值，比如fx=fy=0.5，那么就相当于把原图两个方向缩小一倍！
至于最后的插值方法，正常情况下使用默认的双线性插值就够用了。
几种常用方法的效率是：最邻近插值>双线性插值>双立方插值>Lanczos插值；
但是效率和效果成反比，所以根据自己的情况酌情使用。
正常情况下，在使用之前dst图像的大小和类型都是不知道的，类型从src图像继承而来，大小也是从原图像根据参数计算出来。但是如果你事先已经指定好dst图像的大小，那么你可以通过下面这种方式来调用函数：
resize(src, dst, dst.size(), 0, 0, interpolation);

        Mat retimage;
        //高斯模糊
        GaussianBlur(img_input,retimage,Size(5,5),0,0);//高斯模糊
        GaussianBlur(retimage,retimage,Size(5,5),0,0);

        Mat m_image2;
        cv::resize(retimage,m_image2,Size(500/2,500/2),0,0,INTER_LINEAR);//双线性插值操作
        cv::resize(retimage,m_image2,Size(500/2,500/2),0,0,INTER_NEAREST);//最邻近插值操作
        cv::resize(retimage,m_image2,Size(500/2,500/2),0,0,INTER_CUBIC);//4X4像素领域内的双立方插值操作
        cv::resize(retimage,m_image2,Size(500/2,500/2),0,0,INTER_LANCZOS4);//8X8像素领域内的双立方插值操作

五、Mat和QImage互转

1.Mat转QImage

 Mat img_input = cv::imread("./mirror.png");
//Mat转QImage 颜色
cvtColor(img_input,img_input,CV_BGR2RGB);
//Mat转QImage 像素   oldlabel放置原图
QImage disimage = QImage(img_input.data,img_input.cols,img_input.rows,img_input.cols*img_input.channels(),QImage::Format_RGB888);

2.QImage转Mat

QImage image;
Mat mat;
switch(image.format()){
case QImage::Format_RGB888:
mat = Mat(image.height(), image.width(),
CV_8UC3,(void*)image.constBits(),image.bytesPerLine());
break;
case QImage::Format_ARGB32_Premultiplied:
mat = Mat(image.height(), image.width(),
CV_8UC4,(void*)image.constBits(),image.bytesPerLine());
break;
}

六、总结

善于总结，多进一步。