opencv实现gamma灰阶检测

最新推荐文章于 2023-07-13 10:02:01 发布
最新推荐文章于 2023-07-13 10:02:01 发布
阅读量3.2k 收藏 7
点赞数 2
分类专栏： 图形图像 opencv 文章标签： opencv 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011630458/article/details/46371791
版权

简介

　　本篇讲解使用opencv来测试，表示camera gamma参数的灰阶卡图片指标：YA Block、DynamicRange、Gray Scale。

具体实现

实现代码

#include <math.h>
#include <string.h>
#include <stdio.h>
#include <stdlib.h>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv/cv.h>
#include "opencv2/imgproc/imgproc.hpp"
 
#define barPic "barPic"
#define Pic_windosw "src"
 
using namespace cv;
char pic_name[20];
char pic_tmp[20] = "tmp.jpg";
char pic_windows[20] = "src";
Mat src, src2;
int src2_width = 400, src2_height = 400;
int width, height, roi_width, roi_height;
int rect[4];
bool mouse_flag = false, ROI_flag = false;
Mat imageROI;
double white=0, black=0, graySum = 0; 
CvFont font;    
double hScale=1;   
double vScale=1;    
int lineWidth=1;
char showWhite[20] = "White:0", showBlack[20]="Black:0", grayNumber[20]="grayNumber:0";
 
void doGammaForA_black(Mat image){
	int i, j, k;
	IplImage pI_1, pI_2;
	CvScalar s;
	roi_width = image.rows;
	roi_height = image.cols;
	Mat src = Mat(roi_width, roi_height, CV_8UC1, 1);
	white = 0;
	black = 0;
 
	pI_1 = image;
	pI_2 = src;
	cvCvtColor(&pI_1, &pI_2, CV_BGR2GRAY);
 
	for(i=0; i<roi_width; i++){
		for(j=0; j<10; j++){
			s = cvGet2D(&pI_2, i, j);
			if(white==0){
				white = s.val[0];
			}else{
				white = (white + s.val[0]) / 2;	
			}
		}
		for(k=roi_height-10; k< roi_height; k++){
			s = cvGet2D(&pI_2, i, k);
			if(black==0){
				black = s.val[0];
			}else{
				black = (black + s.val[0]) / 2;	
			}	
		}
	}
	sprintf(showWhite, "White:%d", (int)white);
	sprintf(showBlack, "Black:%d", (int)black);
}
 
void doGammaForGrayNumber(Mat image){
	int i, j, k, num=0;
	double tmp=0, cur_tmp=0;
	IplImage pI_1, pI_2;
	CvScalar s;
	roi_width = image.rows;
	roi_height = image.cols;
	Mat src = Mat(roi_width, roi_height, CV_8UC1, 1);
	graySum = 0;
 
	pI_1 = image;
	pI_2 = src;
	cvCvtColor(&pI_1, &pI_2, CV_BGR2GRAY);
 
	for(j=0; j<roi_height; j++){
		for(i=0; i<roi_width; i++){
			s = cvGet2D(&pI_2, i, j);
			if(cur_tmp==0){
				cur_tmp=s.val[0];
			}else{
				cur_tmp=(cur_tmp + s.val[0]) / 2;
			}
		}
		if(num >= 3){
			if(tmp - cur_tmp > 8){
				graySum += 1;	
			}
			tmp = cur_tmp;
			cur_tmp = 0;
			num = 0;
		}
		num += 1;
	}
	sprintf(grayNumber, "grayNumber:%d", (int)graySum);
}
 
void on_mouse( int event, int x, int y, int flags, void* ustc)  {    
	switch(event){
		case CV_EVENT_LBUTTONDOWN:
			mouse_flag = true;
			rect[0] = x;
			rect[1] = y;
			rect[2] = 0;
			rect[3] = 0;
			break;
		case CV_EVENT_LBUTTONUP:
			src = imread(pic_name, 1);
			mouse_flag = false;
			rect[2] = x;
			rect[3] = y;
			rectangle(src, Point(rect[0], rect[1]), Point(rect[2], rect[3]), Scalar(0,255,0), 2);
			src = imread(pic_name, 1);
			imageROI = src(cv::Rect(rect[0], rect[1], rect[2] - rect[0], rect[3] - rect[1]));
			ROI_flag = true;
			break;
		case CV_EVENT_MOUSEMOVE:
			if(mouse_flag){
				src = imread(pic_name, 1);
				rectangle(src, Point(rect[0], rect[1]), Point(x, y), Scalar(0,255,0), 2);
				cv::imshow(Pic_windosw, src);
			}
			break;
		default:
			break;
	}
} 
 
int main(int agrc, char* argv[]){
	bool exit = false;
	char c;
	IplImage pI_barPic;
 
	memcpy(pic_name,argv[1],sizeof(argv[1]));
 
	src=cv::imread(pic_name,1);
	width = src.rows;
	height = src.cols;
	src2 = cv::Mat(src2_width, src2_height, CV_8UC3, 1);
	pI_barPic = src2;
	cv::imshow(Pic_windosw, src);
 
	cvInitFont(&font,  CV_FONT_HERSHEY_PLAIN|CV_FONT_ITALIC, hScale, vScale, 0, lineWidth);
	cvPutText(&pI_barPic, showWhite ,cvPoint(10, 15),&font,CV_RGB(255,0,0));
	cvPutText(&pI_barPic, showBlack ,cvPoint(10, 30),&font,CV_RGB(255,0,0));
	cvPutText(&pI_barPic, grayNumber ,cvPoint(10,45),&font,CV_RGB(255,0,0));
	cv::imshow(barPic, src2);
	cvSetMouseCallback(Pic_windosw, on_mouse, NULL);
	while(!exit){
		c = cv::waitKey(100);
		if(c == 'q'){
			exit = true;	
		}
		if(ROI_flag){
			cv::imshow("test", imageROI);
			doGammaForA_black(imageROI);  //A块亮度,动态范围
			doGammaForGrayNumber(imageROI);//Gray Scale
			cvZero(&pI_barPic);
			cvPutText(&pI_barPic, showWhite ,cvPoint(10, 15),&font,CV_RGB(255,0,0));
			cvPutText(&pI_barPic, showBlack ,cvPoint(10, 30),&font,CV_RGB(255,0,0));
			cvPutText(&pI_barPic, grayNumber ,cvPoint(10,45),&font,CV_RGB(255,0,0));
			cv::imshow(barPic, src2);
			ROI_flag = false;
		}
 
	}
	cvDestroyAllWindows();  
 
	return 0;  
}

代码讲解

　　1、首先也是进行各类初始化，导入了需要处理的灰阶卡照片src，生成一张空白照片src2用来显示结果。接着用cvInitFont初始化字体显示，
依次的三个cvPutText，将YA Block、DynamicRange、Gray Scale的显示，初始化到src2对应位置。然后给src显示窗口，绑定鼠标响应函数。最后是
一个循环，在循环中，首先等待键值，如果输入键值'q'，就直接退出程序，接着判断ROI_flag是否为true，是的话就进入对应操作。不是就直接跳过。

src=cv::imread(pic_name,1);
	width = src.rows;
	height = src.cols;
	src2 = cv::Mat(src2_width, src2_height, CV_8UC3, 1);
	pI_barPic = src2;
	cv::imshow(Pic_windosw, src);
 
	cvInitFont(&font,  CV_FONT_HERSHEY_PLAIN|CV_FONT_ITALIC, hScale, vScale, 0, lineWidth);
	cvPutText(&pI_barPic, showWhite ,cvPoint(10, 15),&font,CV_RGB(255,0,0));
	cvPutText(&pI_barPic, showBlack ,cvPoint(10, 30),&font,CV_RGB(255,0,0));
	cvPutText(&pI_barPic, grayNumber ,cvPoint(10,45),&font,CV_RGB(255,0,0));
	cv::imshow(barPic, src2);
	cvSetMouseCallback(Pic_windosw, on_mouse, NULL);
	while(!exit){
		c = cv::waitKey(100);
		if(c == 'q'){
			exit = true;	
		}
		if(ROI_flag){
		     .............
                     .............
                     .............
		}
 
	}
}
　　2、在鼠标响应函数中，操作很简单，就是让用户框选中灰阶卡所在的位子。当用户左键按下的时候，随着鼠标的拖动，会出现一个绿色的矩形框。
当鼠标左键抬起之后，当前矩形框的位置，就被认为是灰阶卡所在的位置。同时将标志位ROI_flag设置为true。

void on_mouse( int event, int x, int y, int flags, void* ustc)  {    
	switch(event){
		case CV_EVENT_LBUTTONDOWN:
			mouse_flag = true;
			rect[0] = x;
			rect[1] = y;
			rect[2] = 0;
			rect[3] = 0;
			break;
		case CV_EVENT_LBUTTONUP:
			src = imread(pic_name, 1);
			mouse_flag = false;
			rect[2] = x;
			rect[3] = y;
			rectangle(src, Point(rect[0], rect[1]), Point(rect[2], rect[3]), Scalar(0,255,0), 2);
			src = imread(pic_name, 1);
			imageROI = src(cv::Rect(rect[0], rect[1], rect[2] - rect[0], rect[3] - rect[1]));
			ROI_flag = true;
			break;
		case CV_EVENT_MOUSEMOVE:
			if(mouse_flag){
				src = imread(pic_name, 1);
				rectangle(src, Point(rect[0], rect[1]), Point(x, y), Scalar(0,255,0), 2);
				cv::imshow(Pic_windosw, src);
			}
			break;
		default:
			break;
	}
}
　　3、之前有提到，当ROI_flag置为true之后，就会进入对应处理函数中，首先是使用doGammaForA_black(imageROI);对框选出来的灰阶卡进行
YA Block、DynamicRange的检测。
    检测的方式是，首先将灰阶卡图片灰阶化，然后分别取出图片最左边的10列，计算它平均亮度作为YA Block；取出图片最右边10列，也是计算它们的
平均亮度最为最暗处亮度，当左边平均亮度减去右边平均亮度，得到的就是DynamicRange。

void doGammaForA_black(Mat image){
	int i, j, k;
	IplImage pI_1, pI_2;
	CvScalar s;
	roi_width = image.rows;
	roi_height = image.cols;
	Mat src = Mat(roi_width, roi_height, CV_8UC1, 1);
	white = 0;
	black = 0;
 
	pI_1 = image;
	pI_2 = src;
	cvCvtColor(&pI_1, &pI_2, CV_BGR2GRAY);
 
	for(i=0; i<roi_width; i++){
		for(j=0; j<10; j++){
			s = cvGet2D(&pI_2, i, j);
			if(white==0){
				white = s.val[0];
			}else{
				white = (white + s.val[0]) / 2;	
			}
		}
		for(k=roi_height-10; k< roi_height; k++){
			s = cvGet2D(&pI_2, i, k);
			if(black==0){
				black = s.val[0];
			}else{
				black = (black + s.val[0]) / 2;	
			}	
		}
	}
	sprintf(showWhite, "White:%d", (int)white);
	sprintf(showBlack, "Black:%d", (int)black);
}
　　4、最后是使用doGammaForGrayNumber(imageROI)，进行Gray Scale的计算。计算的方式是：首先将灰阶卡图片灰阶化，然后从左往右遍历整个图片。
以3列为一组的计算出它们的平均亮度，当相邻两块的亮度差值大于8的时候，表示Gray Scale加1.

void doGammaForGrayNumber(Mat image){
	int i, j, k, num=0;
	double tmp=0, cur_tmp=0;
	IplImage pI_1, pI_2;
	CvScalar s;
	roi_width = image.rows;
	roi_height = image.cols;
	Mat src = Mat(roi_width, roi_height, CV_8UC1, 1);
	graySum = 0;
 
	pI_1 = image;
	pI_2 = src;
	cvCvtColor(&pI_1, &pI_2, CV_BGR2GRAY);
 
	for(j=0; j<roi_height; j++){
		for(i=0; i<roi_width; i++){
			s = cvGet2D(&pI_2, i, j);
			if(cur_tmp==0){
				cur_tmp=s.val[0];
			}else{
				cur_tmp=(cur_tmp + s.val[0]) / 2;
			}
		}
		if(num >= 3){
			if(tmp - cur_tmp > 8){
				graySum += 1;	
			}
			tmp = cur_tmp;
			cur_tmp = 0;
			num = 0;
		}
		num += 1;
	}
	sprintf(grayNumber, "grayNumber:%d", (int)graySum);
}

效果演示

　对应的效果演示如下:
羽凌寒
关注
  • 2
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
opencv实现水面垃圾检测.rar
07-08
opencv实现水面垃圾的检测（对文件夹内的图片进行检测）（附结果图）
观海微电子---LCD的gamma校正原理
m0_72563973的博客
07-09 2730
根据人眼感知亮度的特性，人眼所感知的中灰色（即亮度的20%白色）为51阶，那么亮区为205阶；低灰阶之下有更多了更多的灰阶信息，高灰阶进行了一定程度的压缩，即节省了图像的存储，人眼对亮度的感知是呈非线性的，且人眼对黑暗环境下亮度变化的敏感程度，要比在亮环境中高出许多倍。对液晶显示器来说，灰阶预算是有限的，又因为人眼感知亮度的特性；衡暗部与亮度的分布，存储更多的信息，使TFT LCD呈现出来的图像是与人眼感知的是一致的。作用：增强略微过亮的场景中的细节，提供增强的对比度，并提高鲜艳色彩的可视性。
OpenCV图像灰度化的六种方法
热门推荐
郑德帅
05-29 3万+
1.环境 Python 3.7 + OpenCV 4.2 2.部分api及其参数解析 方法一:读取时灰度化处理 cv.imread(filename, cv.IMREAD_GRAYSCALE) 具体cv.imread及其使用方法参考博客OpenCV图像的加载、显示与保存 方法二：调用cvtColor灰度化,其中cvtColor如下: cv.cvtColor(src, code, dst=None, dstCn=None) 参数 : src：input image: 8-bit unsigned
图像灰度变化（OpenCV）
weixin_51756038的博客
04-09 586
2）根据RGB和YUV颜色空间的变化关系，建立亮度Y与R、G、B三个颜色分量的对应关系：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。彩色图像中的每个像素的颜色由R、G、B三个分量决定，而每个分量的取值范围为0~255。OpenCV有相关的函数cvtColor，用它可以直接完成灰度化操作。设img为源图像矩阵，myimg1为灰度化后的目标图像矩阵。myimg2为复制的图像。1）求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋给这个像素的三个分量。
图像sobel梯度详细计算过程_20、 OpenCV导数和梯度
weixin_39641173的博客
11-23 532
在图像处理中，导数和梯度的概念有点类似，或者说有些关联。梯度在图像处理中非常重要，可以有说，几乎所有的图像处理算法都与梯度有关。梯度包括方向和幅值两部分。最常见的利用梯度的算法就是边缘检测算法。如sobel算法等。在OpenCV中，可以利用sobel、Scharr计算一阶导数或梯度，利用Laplacian计算二阶导数或梯度。1、Sobel算子 用于表示微分的最常用算子是Sobel算子。 Sobel...
opencv绘制灰阶图
czhzasui的博客
08-08 2654
最近需要绘制灰阶图，写了一个opencv绘制灰阶图的函数 cv::Mat MakeColorMap(int bkgWidth, int bkgHeight, int mapNum, char *savePath) { if (savePath == NULL) { char *defaultPath = (char *) "/data/colorMap.png"; ...
OpenCv实现Canny边缘检测
05-04
边缘是一幅图像最重要的特征之一，图像边缘部分集中了图像的大部分信息。因此，边缘的确定对于图像场景的识别与理解非常重要；同时在图像分割中也有重要应用。...有很多种方法可以用来对图像边缘进行检测。
Java+opencv3.2.0实现轮廓检测
08-25
主要为大家详细介绍了Java+opencv3.2.0实现轮廓检测，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
python opencv实现图像边缘检测
09-19
主要为大家详细介绍了python opencv实现图像边缘检测，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
OpenCV实现人脸检测
01-21
前段日子，写了个人脸检测的小程序，可以检测标记图片、视频、摄像头中的人脸。效果还行吧，用的是opencv提供人脸库。至于具体的人脸检测原理，找资料去啃吧。 环境：VS2013+OPENCV2.4.10+Win8.1 一、基于...
OpenCV-图像灰度处理-Luminosity方法
uk346575290的博客
09-02 792
BGR2GRAY 对采集的图像进行灰阶处理，即将每个彩色像素由R、G、B 三色的强度描棕映射到一个单独的数字作为灰度值。 OpenCV里面有一个函数可以实现图像灰度处理的功能。 cvtColor(img, dst, COLOR_RGB2GRAY); 然而，这个BGR2GRAY采用的方式是（CCIR 601）： Y = 0.299 R + 0.587 G + 0.114 B 然而，我需要的是采用（ ITU-R Recommendation BT. 709.）的方法，Luminosity方法，因为人眼对绿
opencv基础02- 图像基础处理_灰度图像
小海聊智造
07-13 3506
opencv 灰度图的介绍，应用场景，代码示例
python绘制灰度图片直方图-数字图像处理灰度变换之灰度直方图及python实现
weixin_37988176的博客
11-01 5922
图像灰度直方图灰度直方图是图像灰度级的函数，用来描述每个灰度级在图像矩阵中的像素个数或者占有率。直方图显示图像数据时会以左暗右亮的分布曲线形式呈现出来。横坐标是灰度级，纵坐标是该灰度级出现的频率。图像的对比度是通过灰度级范围来度量的，而灰度级范围可通过观察灰度直方图得到，灰度级范围越大代表对比度越高；反之对比度越低，低对比度的图像在视觉上给人的感觉是看起来不够清晰，所以通过算法调整图像的灰度值，从...
Python 图像处理OpenCV：灰度图的非线性伽马变换（笔记）
m0_46820710的博客
11-17 1019
Python 图像处理OpenCV：灰度图的非线性伽马变换（笔记）
OpenCV图像处理-灰度处理
Code搬运工
06-24 9761
OpenCV图像处理 灰度处理
计算机视觉 OpenCV【灰度原理和公式】
Kukeoo的博客
05-06 4839
目录 一、灰度原理 1.1 图像的存储与像素 1.1.1 像素与分辨率 1.1.2 物理原理 1.2 RGB图像 1.3 灰度图像 二、RGB转灰度公式 一、灰度原理 1.1 图像的存储与像素 1.1.1 像素与分辨率 像素是影像显示的基本单位，是一个具有明确位置和颜色值的方格。 分辨率指的是一个显示系统对图像细节的分辨能力，通常以长边像素个数乘以宽边像素个数来表示。 目前有多种分辨率，如VGA,HD,4K等。 以VGA为例，VGA(VideoGraphicsArray)是I..
OpenCV实现图像的灰度变换
pillow233的博客
04-07 2496
1、灰度变换的基本概念 灰度变换指对图像的单个像素进行操作，主要以对比度和阈值处理为目的。其变换形式如下： s=T® 其中，T是灰度变换函数；r是变换前的灰度；s是变换后的像素。 图像灰度变换的有以下作用： 改善图像的质量，使图像能够显示更多的细节，提高图像的对比度（对比度拉伸） 有选择的突出图像感兴趣的特征或者抑制图像中不需要的特征 可以有效的改变图像的直方图分布，使像素的分布更为均匀 2常用的灰度变换说明 灰度变换函数描述了输入灰度值和输出灰度值之间变换关系，一旦灰度变换函数确定下来了，那么其输出的
图像Gamma(伽玛)校正的原理及OpenCV代码实现
昊虹AI笔记
06-13 1万+
图像Gamma(伽玛)校正的原理及OpenCV代码实现
opencv 实现焊点缺陷检测
最新发布
02-24
要实现焊点缺陷检测，可以使用OpenCV的图像处理和特征提取功能。 下面是一种基本的方法来实现焊点缺陷检测： 1. 加载图像：使用OpenCV的imread函数加载待检测的焊点图像。 2. 图像预处理：对加载的图像进行预处理...

“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

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