Opencv图像识别从零到精通（12）-----滑动条控制直方图、对比度、亮度、图像相加

            经过前面的学习，有了对比度，直方图的基础，所以就想着用这滑动条做一个综合的实例，用滑动条去控制直方图，去滑动条控制对比度和亮度，用滑动条控制融合，也是对基础的一点提高，其中还有很多值得改进的，可以动态显示结果之类的，这里就不多介绍。以后有机会再优化。

         学习之前，要知道几个函数的使用方法，其他的出现的函数或者用法，请参考前面的基础例子-----------------------链接：Opencv图像识别从零到精通（1）---（11）

 一、滑动条的综合示例      

int createTrackbar(conststring& trackbarname, conststring& winname,  
 int* value, int count, TrackbarCallback onChange=0,void* userdata=0);  

• 第一个参数，const string&类型的trackbarname，表示轨迹条的名字，用来代表我们创建的轨迹条。
• 第二个参数，const string&类型的winname，填窗口的名字，表示这个轨迹条会依附到哪个窗口上，即对应namedWindow（）创建窗口时填的某一个窗口名。
• 第三个参数，int* 类型的value，一个指向整型的指针，表示滑块的位置。并且在创建时，滑块的初始位置就是该变量当前的值。
• 第四个参数，int类型的count，表示滑块可以达到的最大位置的值。PS:滑块最小的位置的值始终为0。
• 第五个参数，TrackbarCallback类型的onChange，首先注意他有默认值0。这是一个指向回调函数的指针，每次滑块位置改变时，这个函数都会进行回调。并且这个函数的原型必须为void XXXX(int,void*);其中第一个参数是轨迹条的位置，第二个参数是用户数据（看下面的第六个参数）。如果回调是NULL指针，表示没有回调函数的调用，仅第三个参数value有变化。
• 第六个参数，void*类型的userdata，他也有默认值0。这个参数是用户传给回调函数的数据，用来处理轨迹条事件。如果使用的第三个参数value实参是全局变量的话，完全可以不去管这个userdata参数。

 

void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype=-1);  

• 第一个参数，InputArray类型的src1，表示需要加权的第一个数组，常常填一个Mat。
• 第二个参数，alpha，表示第一个数组的权重
• 第三个参数，src2，表示第二个数组，它需要和第一个数组拥有相同的尺寸和通道数。
• 第四个参数，beta，表示第二个数组的权重值。
• 第五个参数，dst，输出的数组，它和输入的两个数组拥有相同的尺寸和通道数。
• 第六个参数，gamma，一个加到权重总和上的标量值。看下面的式子自然会理解。
• 第七个参数，dtype，输出阵列的可选深度，有默认值-1。;当两个输入数组具有相同的深度时，这个参数设置为-1（默认值），即等同于src1.depth（）。

下面就是综合示例

<span style="font-size:18px;"> 
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace std;
using namespace cv;
#define winname "混合滚动条"
Mat src;
Mat src1;
Mat src2;
Mat src3;
Mat src4;
Mat dst;
Mat dispImg1;
int  sidlervalue=10;
int  sidlervalue1=10;
const int g_max=100;
const int g_max1=100;
void ontracker(int,void*)
{
	
  double alpha=(double)sidlervalue/g_max;
	double beta=(1-alpha);
	addWeighted(src1,alpha,src2,beta,0.0,dst);

	MatND dstHist;
  float hranges[2] = {0, 255};
  const float *ranges[1] = {hranges}; 
  int channels = 0;
  calcHist(&dst, 1, &channels, Mat(), dstHist, 1, &sidlervalue, ranges);    
  Mat dstImage(256, 256, CV_8U, Scalar(0));
  double minValue = 0;
	double maxValue = 0;
	minMaxLoc(dstHist,&minValue, &maxValue, 0, 0); 
	int hpt = saturate_cast<int>(0.9 * 256);
	for(int i = 0; i < sidlervalue; i++)
	{
		float binValue = dstHist.at<float>(i);            
		int realValue = saturate_cast<int>(binValue * hpt/maxValue);
		line(dstImage,Point(i,256-1),Point((i+1)-1,256-realValue),Scalar(255));
	}
	namedWindow(winname);
	imshow(winname,dst);
	namedWindow("一维直方图");
	imshow("一维直方图", dstImage);
	
}
void ontracker2(int,void*)
{
   for(int i=0;i<src.rows;i++)
   {
     for(int j=0;j<src.cols;j++)
	 {
		 dst.at<uchar>(i,j)=saturate_cast<uchar>(sidlervalue1+dst.at<uchar>(i,j));    
	 }
   }
    MatND dstHist;
    float hranges[2] = {0, 255};
    const float *ranges[1] = {hranges}; 
    int channels = 0;
    calcHist(&dst, 1, &channels, Mat(), dstHist, 1, &sidlervalue1, ranges);    
    Mat dstImage(256, 256, CV_8U, Scalar(0));
    double minValue = 0;
	  double maxValue = 0;
	  minMaxLoc(dstHist,&minValue, &maxValue, 0, 0); 
	  int hpt = saturate_cast<int>(0.9 * 256);
	for(int i = 0; i < sidlervalue1; i++)
	{
		float binValue = dstHist.at<float>(i);           
		int realValue = saturate_cast<int>(binValue * hpt/maxValue);
		line(dstImage,Point(i,256-1),Point((i+1)-1,256-realValue),Scalar(255));
	}
	namedWindow(winname);
	imshow(winname,dst);
	namedWindow("一维直方图");
	imshow("一维直方图", dstImage);
}
int  main()
{
  vector<Mat> imgs(2);
	imgs[0] = imread("peppers.png");
	imgs[1] = imread("pillsetc.png");
	src4=imgs[1];
	src=imgs[0];
	cvtColor(src4,src3,COLOR_BGR2GRAY);
  cvtColor(src,src2,COLOR_BGR2GRAY);
	src1=src3;
	Mat dispImg;
	int x, y;
	x = imgs[0].cols;
  y = imgs[0].rows;
	int max;
	max = (x > y)? x: y;
	int dstsize=max;
	dispImg.create(Size(dstsize*(1+1)+100,dstsize), CV_8UC3);
	int nImg = (int)imgs.size();
	for(int i=0;i<nImg;i++)
	{
     		
	    int m=20+i*max;
	    int n=20;	
      Mat imgROI = dispImg(Rect(m, n, (int)x, (int)y));
	    resize(imgs[i], imgROI, Size((int)x, (int)y));
	
	}
  namedWindow("winName");	
	imshow("winName", dispImg);
  sidlervalue=10;
  namedWindow(winname); 
  char barname[50];
  sprintf(barname,"融合 %d",g_max);
  createTrackbar(barname,winname,&sidlervalue,g_max,ontracker);
  ontracker(sidlervalue,0);
  sidlervalue1=1;
  createTrackbar("对比度",winname,&sidlervalue1,g_max1,ontracker2);
  ontracker2(sidlervalue1,0);
  waitKey(0);
  return 0;
}</span>

结果如下

（1）多图显示

（2）滑动条界面

（3）实时动态显示直方图

二、Matlab辅助

       对于matlab的按钮滑块，是GUI里面的内容，这个在前面我写了好几篇，有基础入门，也有图像的进阶链接如下

 http://blog.csdn.net/qq_20823641/article/category/6310257

图像识别算法交流 QQ群：145076161，欢迎图像识别与图像算法，共同学习与交流