应用程序实用工具——为应用程序添加轨迹条 OpenCV v4.8.0

最新推荐文章于 2024-11-09 00:03:49 发布
最新推荐文章于 2024-11-09 00:03:49 发布
阅读量102 收藏
点赞数
分类专栏： OpenCV 4.8.0  说明文档 文章标签： opencv webpack 人工智能

下一个教程 ： 使用 GDAL 读取地理空间光栅文件

原作者Ana Huamán
兼容性OpenCV >= 3.0
  • 在之前的教程中（关于 使用 OpenCV 添加（混合）两幅图像以及更改图像的对比度和亮度！ ），您可能已经注意到，我们需要向我们的程序提供一些输入，例如 α 和 beta。我们通过终端机输入了这些数据。
  • 现在，是时候使用一些花哨的图形用户界面工具了。OpenCV 提供了一些图形用户界面工具（highgui 模块）。Trackbar 就是一个例子。

在这里插入图片描述

  • 在本教程中，我们将对之前的两个程序进行修改，使其能够从轨迹条中获取输入信息。

目标

在本教程中，您将学习如何

代码

让我们修改教程中的程序 使用 OpenCV 添加（混合）两幅图像。我们将让用户使用 Trackbar 输入 α 值。

C++
该教程的代码如下所示。您也可以从此处下载

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
using namespace cv;
using std::cout;
const int alpha_slider_max = 100;
int alpha_slider;
double alpha;
double beta;
Mat src1;
Mat src2;
Mat dst;
static void on_trackbar( int, void* )
{
 alpha = (double) alpha_slider/alpha_slider_max ;
 beta = ( 1.0 - alpha );
 addWeighted( src1, alpha, src2, beta, 0.0, dst);
 imshow( "Linear Blend", dst );
}
int main( void )
{
 src1 = imread( samples::findFile("LinuxLogo.jpg") );
 src2 = imread( samples::findFile("WindowsLogo.jpg") );
 if( src1.empty() ) { cout << "Error loading src1 \n"; return -1; }
 if( src2.empty() ) { cout << "Error loading src2 \n"; return -1; }
 alpha_slider = 0;
 namedWindow("Linear Blend", WINDOW_AUTOSIZE); // 创建窗口
 char TrackbarName[50];
 snprintf( TrackbarName, sizeof(TrackbarName), "Alpha x %d", alpha_slider_max );
 createTrackbar( TrackbarName, "Linear Blend", &alpha_slider, alpha_slider_max, on_trackbar );
 on_trackbar( alpha_slider, 0 );
 waitKey(0);
 return 0;
}

Java
该教程的代码如下所示。您也可以从此处下载

import java.awt.BorderLayout;
import java.awt.Container;
import java.awt.Image;
import javax.swing.BoxLayout;
import javax.swing.ImageIcon;
import javax.swing.JFrame;
import javax.swing.JLabel;
import javax.swing.JPanel;
import javax.swing.JSlider;
import javax.swing.event.ChangeEvent;
import javax.swing.event.ChangeListener;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
public class AddingImagesTrackbar {
 private static final int ALPHA_SLIDER_MAX = 100;
 private int alphaVal = 0;
 private Mat matImgSrc1;
 private Mat matImgSrc2;
 private Mat matImgDst = new Mat();
 private JFrame frame;
 private JLabel imgLabel;
 public AddingImagesTrackbar(String[] args) {
 String imagePath1 = "../data/LinuxLogo.jpg";
 String imagePath2 = "../data/WindowsLogo.jpg";
 if (args.length > 1) {
 imagePath1 = args[0];
 imagePath2 = args[1];
 }
 matImgSrc1 = Imgcodecs.imread(imagePath1);
 matImgSrc2 = Imgcodecs.imread(imagePath2);
 if (matImgSrc1.empty()) {
 System.out.println("Empty image: " + imagePath1);
 System.exit(0);
 }
 if (matImgSrc2.empty()) {
 System.out.println("Empty image: " + imagePath2);
 System.exit(0);
 }
 // 创建并设置窗口。
 frame = new JFrame("Linear Blend")；
 frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE)；
 // 设置内容窗格。
 Image img = HighGui.toBufferedImage(matImgSrc2)；
 addComponentsToPane(frame.getContentPane(), img)；
 // 使用内容窗格的默认边框布局。无需
 // setLayout(new BorderLayout())；
 // 显示窗口。
 frame.pack();
 frame.setVisible(true);
 }
 private void addComponentsToPane(Container pane, Image img) {
 if (!(pane.getLayout() instanceof BorderLayout)) {
 pane.add(new JLabel("Container doesn't use BorderLayout!"));
 return;
 }
 JPanel sliderPanel = new JPanel();
 sliderPanel.setLayout(new BoxLayout(sliderPanel, BoxLayout.PAGE_AXIS));
 sliderPanel.add(new JLabel(String.format("Alpha x %d", ALPHA_SLIDER_MAX)));
 JSlider slider = new JSlider(0, ALPHA_SLIDER_MAX, 0);
 slider.setMajorTickSpacing(20);
 slider.setMinorTickSpacing(5);
 slider.setPaintTicks(true);
 slider.setPaintLabels(true);
 slider.addChangeListener(new ChangeListener() {
 @Override
 public void stateChanged(ChangeEvent e) {
 JSlider source = (JSlider) e.getSource();
 alphaVal = source.getValue();
 update();
 }
 });
 sliderPanel.add(slider);
 pane.add(sliderPanel, BorderLayout.PAGE_START);
 imgLabel = new JLabel(new ImageIcon(img));
 pane.add(imgLabel, BorderLayout.CENTER);
 }
 private void update() {
 double alpha = alphaVal / (double) ALPHA_SLIDER_MAX;
 double beta = 1.0 - alpha;
 Core.addWeighted(matImgSrc1, alpha, matImgSrc2, beta, 0, matImgDst);
 Image img = HighGui.toBufferedImage(matImgDst);
 imgLabel.setIcon(new ImageIcon(img));
 frame.repaint();
 }
 public static void main(String[] args) {
 // 加载本地 OpenCV 库
 System.loadLibrary(Core.NATIVE_LIBRARY_NAME)；
 // 为事件派发线程安排任务：
 // 创建并显示此应用程序的图形用户界面。
 javax.swing.SwingUtilities.invokeLater(new Runnable() {
 @Override
 public void run() {
 new AddingImagesTrackbar(args);
 }
 });
 }
}

Python
该教程的代码如下所示。您也可以从此处下载

from __future__ import print_function
from __future__ import division
import cv2 as cv
import argparse
alpha_slider_max = 100
title_window = 'Linear Blend'
def on_trackbar(val):
 alpha = val / alpha_slider_max
 beta = ( 1.0 - alpha )
 dst = cv.addWeighted(src1, alpha, src2, beta, 0.0)
 cv.imshow(title_window, dst)
parser = argparse.ArgumentParser(description='Code for Adding a Trackbar to our applications tutorial.')
parser.add_argument('--input1', help='Path to the first input image.', default='LinuxLogo.jpg')
parser.add_argument('--input2', help='Path to the second input image.', default='WindowsLogo.jpg')
args = parser.parse_args()
src1 = cv.imread(cv.samples.findFile(args.input1))
src2 = cv.imread(cv.samples.findFile(args.input2))
if src1 is None:
 print('Could not open or find the image: ', args.input1)
 exit(0)
if src2 is None:
 print('Could not open or find the image: ', args.input2)
 exit(0)
cv.namedWindow(title_window)
trackbar_name = 'Alpha x %d' % alpha_slider_max
cv.createTrackbar(trackbar_name, title_window , 0, alpha_slider_max, on_trackbar)
# 显示一些内容
on_trackbar(0)
# 等待用户按下某个键
cv.waitKey()

说明

我们只分析与 Trackbar 相关的代码：

  • 首先，我们加载两张将要混合的图片。
    C++
 src1 = imread( samples::findFile("LinuxLogo.jpg") );
 src2 = imread( samples::findFile("WindowsLogo.jpg") );

Java

 String imagePath1 = "../data/LinuxLogo.jpg";
 String imagePath2 = "../data/WindowsLogo.jpg";
 if (args.length > 1) {
 imagePath1 = args[0];
 imagePath2 = args[1];
 }
 matImgSrc1 = Imgcodecs.imread(imagePath1);
 matImgSrc2 = Imgcodecs.imread(imagePath2);

Python

# Read images ( both have to be of the same size and type )
src1 = cv.imread(cv.samples.findFile(args.input1))
src2 = cv.imread(cv.samples.findFile(args.input2))
  • 要创建轨迹条，首先要创建轨迹条所在的窗口。因此
    C++
 namedWindow("Linear Blend", WINDOW_AUTOSIZE); // Create Window

Java

 // Create and set up the window.
 frame = new JFrame("Linear Blend");
 frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
 // Set up the content pane.
 Image img = HighGui.toBufferedImage(matImgSrc2);
 addComponentsToPane(frame.getContentPane(), img);
 // Use the content pane's default BorderLayout. No need for
 // setLayout(new BorderLayout());
 // Display the window.
 frame.pack();
 frame.setVisible(true);

Python

cv.namedWindow(title_window)
  • 现在我们可以创建 Trackbar 了：
    C++
 char TrackbarName[50];
 snprintf( TrackbarName, sizeof(TrackbarName), "Alpha x %d", alpha_slider_max );
 createTrackbar( TrackbarName, "Linear Blend", &alpha_slider, alpha_slider_max, on_trackbar );

Java

 sliderPanel.add(new JLabel(String.format("Alpha x %d", ALPHA_SLIDER_MAX)));
 JSlider slider = new JSlider(0, ALPHA_SLIDER_MAX, 0);
 slider.setMajorTickSpacing(20);
 slider.setMinorTickSpacing(5);
 slider.setPaintTicks(true);
 slider.setPaintLabels(true);

Python

trackbar_name = 'Alpha x %d' % alpha_slider_max
cv.createTrackbar(trackbar_name, title_window , 0, alpha_slider_max, on_trackbar)

请注意以下内容（C++ 代码）：

  • 我们的跟踪条有一个标签 TrackbarName
  • 跟踪栏位于名为 Linear Blend 的窗口中
  • Trackbar 的数值范围为 0 至 alpha_slider_max（最小值始终为 0）。
  • Trackbar 的数值存储在 alpha_slider 中。
  • 每当用户移动 Trackbar 时，就会调用回调函数 on_trackbar。

最后，我们必须为 C++ 和 Python 代码定义回调函数 on_trackbar，在 Java 中使用匿名内部类监听器
C++


static void on_trackbar( int, void* )
{
 alpha = (double) alpha_slider/alpha_slider_max ;
 beta = ( 1.0 - alpha );
 addWeighted( src1, alpha, src2, beta, 0.0, dst);
 imshow( "Linear Blend", dst );
}

Java

 slider.addChangeListener(new ChangeListener() {
 @Override
 public void stateChanged(ChangeEvent e) {
 JSlider source = (JSlider) e.getSource();
 alphaVal = source.getValue();
 update();
 }
 });

Python

def on_trackbar(val):
 alpha = val / alpha_slider_max
 beta = ( 1.0 - alpha )
 dst = cv.addWeighted(src1, alpha, src2, beta, 0.0)
 cv.imshow(title_window, dst)

请注意（C++ 代码）：

  • 我们使用 alpha_slider（整数）的值来获取 alpha 的双倍值。
  • 用户每次移动轨迹条时，alpha_slider 都会更新。
  • 我们将 src1、src2、dist、alpha、alpha_slider 和 beta 定义为全局变量，因此它们可以在任何地方使用。

运行结果

  • 我们的程序将产生以下输出结果：

在这里插入图片描述

在这里插入图片描述

HIRSHDZ327
关注
专栏目录
OpenCV 4.8.0 Windows版安装程序
07-16
这是OpenCV 4.8.0的Windows版安装程序。OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，包含了多种常见的视觉处理功能。这个版本适用于Windows操作系统，可以帮助用户快速...
OpenCV 4.8.0
12-17
OpenCV（开源计算机视觉库）是计算机视觉和机器学习领域广泛应用的一个强大工具，它提供了丰富的API，支持多种编程语言，包括C++、Python、Java等。OpenCV 4.8.0是该库的一个更新版本，它包含了最新的特性和优化，以...
【学习OpenCV4】滚动条Trackbar的创建与使用详解
个人博客
07-19 1061
OpenCV中使用 createTrackbar() 来创建滚动条，函数的使用方法如下，各个参数的作用也在下面的表格中给出。
opencv TrackBar滚动条操作演示
weixin_41392061的博客
03-29 101
opencv TrackBar滚动条操作演示
应用程序实用工具——使用 GDAL 读取地理空间光栅文件 OpenCV v4.8.0
hirshdz327的博客
10-21 122
地理空间栅格数据是地理信息系统和摄影测量中大量使用的产品。栅格数据通常可以表示图像和数字高程模型（DEM）。加载 GIS 图像的标准库是地理数据抽象库（在本示例中，我们将展示使用 OpenCV 本地函数加载 GIS 栅格格式的技术。此外，我们还将举例说明 OpenCV 如何将这些数据用于新颖有趣的用途。本教程的主要目标是为了实现这些目标，以下代码将数字高程模型和旧金山的 GeoTiff 图像作为输入。
掌握imgproc组件：opencv-图像处理
m0_50127633的博客
06-26 2070
opencv3编程入门
图像处理：变换——Canny 边缘检测器 OpenCV v4.8.0
hirshdz327的博客
10-14 249
a. 要由 Trackbar 控制的变量是 lowThreshold，其限制为 max_lowThreshold（我们之前将其设置为 100）。这将删除不被认为是边缘一部分的像素。c. 如果像素梯度值介于两个阈值之间，那么只有当它与高于上阈值的像素相连时才会被接受。b. 我们将核大小设置为 3（用于 Canny 函数内部执行的 Sobel 运算）。a. 我们将下阈值与上阈值的比率设定为 3:1（比率可变）。b. 如果像素梯度值低于下阈值，则会被拒绝。c. 我们将下阈值的最大值设置为 100。
图像处理：轮廓——为轮廓创建边界旋转框和椭圆 OpenCV v4.8.0
hirshdz327的博客
10-18 165
本教程代码如下所示。本教程代码如下所示。本教程代码如下所示。在本教程中，您将学习如何。
二维特征框架——Harris角检测器 OpenCV v4.8.0
hirshdz327的博客
10-25 82
I(x+u,y+v)是移动窗口 (x+u,y+v) 处的强度。w(x,y) 是位置 (x,y) 的窗口。I(x,y) 为 (x,y) 处的强度。大于一定值的窗口被视为 "角 "窗口。本教程代码如下所示。本教程代码如下所示。本教程代码如下所示。检测到的角周围有一个黑色小圆圈。在本教程中，我们将具体研究。在本教程中，您将学习。
图像处理：变换——霍夫线变换 OpenCV v4.8.0
hirshdz327的博客
10-14 70
您可能会注意到，当您改变阈值时，检测到的线条数量会有所不同。原因很明显： 如果阈值越高，检测到的线条数量就越少（因为需要更多的点才能检测到线条）。这三幅图相交于一个点（0.925,9.6），这些坐标就是参数 ( θ,r) 或 (x0,y0)、(x1,y1) 和 (x2,y2) 所在的直线。下面的结果是使用我们在 "代码 "部分提到的略微高级的版本得到的。更高级的版本（同时显示标准 Hough 和概率 Hough，并带有用于更改阈值的轨迹条）可在。这意味着每对（rθ,θ）代表经过（x0,y0）的每条直线。
图像处理：变换——霍夫圆变换 OpenCV v4.8.0
hirshdz327的博客
10-14 124
您可以看到，我们将用红色绘制圆，用绿色小圆点绘制圆心。更高级的版本（显示用于更改阈值的轨迹条）可在。在本教程中，您将学习如何。我们将讲解的示例代码可从。我们将讲解的示例代码可从。我们将讲解的示例代码可从。
opencv4.8.0-opencv4.9.0-opencv-contrib4.8.0-opencv-contrib4.9.0
05-15
OpenCV（开源计算机视觉库）是一个强大的跨平台计算机视觉库，包含...总之，OpenCV 4.8.0和4.9.0结合opencv_contrib，是计算机视觉领域的宝贵资源，对于任何希望在这个领域进行研究或开发的人来说都是不可或缺的工具。
opencv 4.8.0
07-02
OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时利用MMX和SSE指令， 如今也提供对于C#、Ch、Ruby，GO的支持
opencv-4.8.0 资源
09-20
总的来说，OpenCV是一个强大的工具，不仅适合学术研究，也在工业界有着广泛应用。如果你对计算机视觉、机器学习或图像识别感兴趣，那么这个"opencv-4.8.0"资源将是你的宝贵资料，可以帮助你在这些领域快速进步。无论...
opencv_相关的问题
9分钟带帽
11-08 294
Debug模型下运行，在命令行窗口会有一些error相关的log信息。通过调整log的等级，屏蔽掉INFO的log信息。
opencv保姆级讲解——光学学符识别(OCR)（4）
m0_74994555的博客
11-05 674
PaddleHub现已开源OCR文字识别的预训练模型移动端的超轻量模型：仅有8.6M，chinese_ocr_db_crnn_mobile。服务器端的精度更高模型：识别精度更高，chinese_ocr_db_crnn_server。该 Module 用于识别图片当中的汉字、数字、字母。如果仅需要检测，也可单独使用chinese_text_detection_db_server或者chinese_text_detection_db_mobile得到检测结果的文本框。
【宝藏】浏览器端的模块化问题（1）
weixin_53961451的博客
11-08 426
通过使用构建工具，如 webpack，我们可以有效地解决浏览器端模块化带来的效率、兼容性和工具问题。构建工具将开发时态的代码转换为运行时态所需的高效、兼容的代码，从而使前端项目的规模化成为可能。
说说webpack中常见的Plugin？解决了什么问题？
weixin_44064357的博客
11-07 722
Webpack 插件通过扩展 Webpack 的功能，解决了开发和生产环境中的许多常见问题。它们可以优化打包、增强开发体验、管理资源、注入环境变量、分析包体积等。
vue3框架还需要学习什么
最新发布
m0_63178019的博客
11-09 653
对于 Vue 项目，Webpack 和 Vite 在新建项目时的方式确实有一些相似之处，但要深入了解和掌握它们的工作原理以及配置的复杂度则有所不同。已经学习了 Vue 的一些核心内容，接下来的学习可以根据需求和项目要求，深入探索 Vue 的一些高级特性和最佳实践。接着跟着命令行提示进行项目初始化，并且不需要深度学习配置，Vite 会自动为你生成一个基于 Vue 的模板，开发环境已经优化得非常好，尤其是热更新和模块解析的速度非常快。不过，如果你的项目已有 Webpack 配置，或者有一些特殊的构建需求，
C#下OpenCV与Mysql综合应用示例程序解析
在.NET应用程序中，App.Config文件是一个非常重要的配置文件，它允许开发者在应用程序部署后修改配置而不必重新编译程序。App.Config文件的使用方式主要有以下两种： - 键值对配置：在App.Config文件中定义自定义...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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