基于opencv的相机之调整功能实现(七)

最新推荐文章于 2024-05-16 08:02:27 发布
最新推荐文章于 2024-05-16 08:02:27 发布
阅读量1.9k 收藏 4
点赞数 1
分类专栏： 相机应用 文章标签： opencv 图像处理 Android 相机
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/49785697
版权

简介

　　本篇是对实现图片处理功能：【调整】实现的记录。

亮度调整

实现原理

　　利用公式：g(i,j) = contrast*f(i,j)+brightness。在原图像基础上，根据拖动条的数据大小，整体的加上或者减去不同的brightness。
实现图像的亮度调整。

具体代码

JNIEXPORT void JNICALL Java_com_example_myadjust_MyPicAdjust_changePicBrightness
    (JNIEnv* env, jclass obj, jlong imageBrightness, jint value){
    double beta = 0.0, alpha = 1.0;
 
    value = value - 50;
    beta = value * 2;
 
    Mat mat = Mat(*((Mat*)imageBrightness));
    mat.convertTo(mat, -1, alpha, beta);
}

函数传入的参数value就是对应拖动条的数据，范围在0到100之间，beta为需要被加上的亮度数据。

当大于50的时候，beta范围为0 - 100,对应图片mat亮度增加。
当小于50的时候，deta范围为0 - (-100),对应图片亮度降低。

效果演示

　　对应的效果图片如下：

         
　                     亮度降低                     亮度增加


AWB调整

实现原理

　　简单的说就是，图像R和B通道数据的增减，来实现图像整体偏冷或者偏暖。

具体代码

JNIEXPORT void JNICALL Java_com_example_myadjust_MyPicAdjust_changePicAWB                                             
    (JNIEnv* env, jclass obj, jlong imageAWB, jint value){
    int width, height, k, j;
    IplImage src1;
    CvScalar s1;
 
    Mat mat = Mat(*((Mat*)imageAWB));
    src1 = mat;
    width = mat.rows;
    height = mat.cols;
 
    if(value > 50){
        value = (value - 50) * 2;
        for(k = 0; k < width; k++){
            for(j= 0; j< height; j++){
                s1 = cvGet2D(&src1, k, j);
                s1.val[0] = s1.val[0] + value;
                cvSet2D(&src1, k, j, s1);
            }
        }
    }else{
        value = (50 - value) * 2;
        for(k = 0; k < width; k++){
            for(j= 0; j< height; j++){
                s1 = cvGet2D(&src1, k, j);
                s1.val[2] = s1.val[2] + value;
                cvSet2D(&src1, k, j, s1);
            }
        }
    }
}

同样的函数传入的参数value就是拖动条数据，拖动条默认数据为50。当大于50的时候，增加图像R通道的数据，让图像偏暖；当小于50的时候，

增加图像B通道的数据，让图像偏冷。

效果演示

　　对应的效果图片如下：

    
           偏冷效果                  偏暖效果

对比度调整

实现原理

　　同样利用公式：g(i,j) = contrast*f(i,j)+brightness。在原图像基础上，根据拖动条的数据大小，整体的乘上contrast，根据contrast的不同，来实现图像的亮度调整。

具体代码

JNIEXPORT void JNICALL Java_com_example_myadjust_MyPicAdjust_changePicContrast                                                       
  (JNIEnv* env, jclass obj, jlong imageContrast, jint value){
    double alpha = 1.0;
 
    if(value > 50){
        value = value - 50;
        alpha = alpha + ((double)value / 25);
    }else{
        alpha = alpha - ((double)(50 - value) / 50);    
    }
 
    Mat mat = Mat(*((Mat*)imageContrast));
    mat.convertTo(mat, -1, alpha, 0);
}

同样的，拖动条数据value默认为50，当value大于50的时候，alpha也就是contrast大于1，对比机增加；当value小于50的时候，alpha小于1，对比多降低。

效果演示

　　对应的效果图片如下：

        
              对比度增加                     对比度降低

饱和度调整

实现原理

　　将rgb图像，转换为hsv格式之后，其中的s分量就表示为饱和度，通过增加、减小该分量来实现饱和度的增减。

具体代码

JNIEXPORT void JNICALL Java_com_example_myadjust_MyPicAdjust_changePicSaturation                                                     
  (JNIEnv* env, jclass obj, jlong imagePicsaturation, jint value){
    int width, height, k, j;
    CvScalar s1;
    IplImage src;
 
    Mat mat = Mat(*((Mat*)imagePicsaturation));
    src = mat;
    IplImage *hsv_img = cvCreateImage(cvGetSize(&src), 8 , 3);
 
    width = mat.rows;
    height = mat.cols;
 
    cvCvtColor(&src, hsv_img, CV_BGR2HSV);
 
    value = (value - 50) * 2;
    for(k = 0; k < width; k++){
        for(j= 0; j< height; j++){
            s1 = cvGet2D(hsv_img, k, j);
            s1.val[1] = s1.val[1] + value;
            if(s1.val[1] < 0){
                s1.val[1] = 0;  
            }else if(s1.val[1] > 255){
                s1.val[1] = 255;
            }
            cvSet2D(hsv_img, k, j, s1);
        }
    }
    cvCvtColor(hsv_img, &src, CV_HSV2BGR);
}

   首先将图像转换为HSV格式，接着根据拖动条数值是大于50还是小于50，来计算是增加S通道分量还是降低S通道分量。最后将图像从新转换会BGR格式。

效果演示

　　对应的效果图片如下：

    
                饱和度增加                   饱和度降低

锐度调整

实现原理

　　通过对图像的模糊来降低图像锐度；首先将图像模糊，接着用模糊图像减去原图像，再与原图像相加，从而增加图像锐度。

具体代码

JNIEXPORT void JNICALL Java_com_example_myadjust_MyPicAdjust_changePicSharpness                                                      
(JNIEnv* env, jclass obj, jlong imageSharpness, jint value){
    int width, height, i, j;
    IplImage pI_1, pI_2;
    CvScalar s1, s2;
    Mat mat1 = Mat(*((Mat*)imageSharpness));
    width = mat1.rows;
    height = mat1.cols;
    Mat mat2 = cv::Mat(width, height, CV_8UC3, 1);
    int sharpness_now;
 
    pI_1 = mat1;
    pI_2 = mat2;
     
    if(value < 50){
        sharpness_now =  3 +  2 *((50 - value) / 10);
        cvSmooth(&pI_1, &pI_2, CV_GAUSSIAN, sharpness_now, 0, 0, 0);
        for(i=0; i<width; i++){
            for(j=0; j<height; j++){
                s1 = cvGet2D(&pI_1, i, j);
                s2 = cvGet2D(&pI_2, i, j);
                s1.val[0] = s2.val[0];
                s1.val[1] = s2.val[1];
                s1.val[2] = s2.val[2];
                cvSet2D(&pI_1, i, j, s1);
            }
        }
    }else{
        sharpness_now =  3 + 2 * ((value - 50) / 10);
        cvSmooth(&pI_1, &pI_2, CV_GAUSSIAN, sharpness_now, 0, 0, 0);
        for(i=0; i<width; i++){
            for(j=0; j<height; j++){
                s1 = cvGet2D(&pI_1, i, j);
                s2 = cvGet2D(&pI_2, i, j);
                s1.val[0] = s1.val[0] - s2.val[0];
                s1.val[1] = s1.val[1] - s2.val[1];
                s1.val[2] = s1.val[2] - s2.val[2];
                cvSet2D(&pI_2, i, j, s1);
            }
        }
        for(i=0; i<width; i++){
            for(j=0; j<height; j++){
                s1 = cvGet2D(&pI_1, i, j);
                s2 = cvGet2D(&pI_2, i, j);
                s1.val[0] = s1.val[0] + s2.val[0];
                s1.val[1] = s1.val[1] + s2.val[1];
                s1.val[2] = s1.val[2] + s2.val[2];
                cvSet2D(&pI_1, i, j, s1);
            }
        }
    }
}

   当拖动条数据value小于50的时候，使用cvSmooth直接对图像进行模糊；当value大于50的时候，首先cvSmooth模糊图像到pI_2中，接着pI_2减去原图像、pI_1，处理后的数据，继续放入pI_2中。最后将pI_2的数据和原图像pI_1相加，达到锐化效果。

效果演示

　　对应的效果图片如下：

      
                   锐度降低                     锐度增加

亮处细节

实现原理

　　首先统计出图像[0,255]的直方图数据，计算出图像像素从0开始到占据所有像素点50%时候的像素值；接着计算出到占据80%时候的对应的像素值。剩下20%的像素点，默认为亮处数据，之前统计的80%数据为非亮处像素。
　　将80%的非亮处像素，从新映射到0到之前50%时候像素值范围，将20%的亮处数据映射到之前统计的50%像素值到本图像最大像素值区间范围内。
    相当于增大了亮处数据的对比度。从而使得亮处的细节更加清楚。

具体代码

JNIEXPORT void JNICALL Java_com_example_myadjust_MyPicAdjust_changePicBrightnessDetile
    (JNIEnv* env, jclass obj, jlong imageDarkdetile, jint value){
    int width, height, i, j;
    IplImage src1;
    CvScalar s1;
    int hist_size = 256;
    int hist_height = 256; 
    IplImage* Y_plane;
    CvHistogram* Y_hist;
    float range[] = {0,255};
    float* ranges[]={range};
    float high_val[2], tmp;
    float scale[hist_size];
    float scale_number[hist_size];
    float scale_flag[2];
    float throwld = 0.4 + value / 333.3;
 
    Mat mat = Mat(*((Mat*)imageDarkdetile));
    src1 = mat;
    width = mat.rows;
    height = mat.cols;
    cvCvtColor(&src1, &src1, CV_BGR2YCrCb);
    Y_plane  = cvCreateImage(cvGetSize(&src1), 8, 1);
    cvSplit(&src1, Y_plane, NULL, NULL, NULL);
    Y_hist = cvCreateHist(1, &hist_size, CV_HIST_ARRAY, ranges, 1);
 
    cvCalcHist(&Y_plane, Y_hist, 0, 0);
    cvNormalizeHist(Y_hist, 1.0);
 
    for(i=0; i<hist_size; i++){
        high_val[0] = cvQueryHistValue_1D(Y_hist, i);
        scale[i] = 0;
        if(i == 0){
            scale[i] = high_val[0];
        }else{
            scale[i] = scale[i - 1] + high_val[0];
        }
        if(scale[i] < throwld){
            scale_flag[0] = i;
        }else if(scale[i] > 0.8){
            scale_flag[1] = i;
            high_val[0] = scale_flag[0] / scale_flag[1];
            high_val[1] = (255.0 - scale_flag[0]) / (255.0 - scale_flag[1]);
            break;
        }
    }
 
    for(i=0; i<width; i++){
        for(j=0; j<height; j++){
            s1 = cvGet2D(&src1, i, j);
            if(s1.val[0] < scale_flag[1]){
                s1.val[0] = s1.val[0] * high_val[0];
            }else{
                s1.val[0] = scale_flag[0] + (s1.val[0] - scale_flag[1]) * high_val[1];
                if(s1.val[0] > 255){
                    s1.val[0] = 255;
                }
            }
            cvSet2D(&src1, i, j, s1);
        }
    }
    cvCvtColor(&src1, &src1, CV_YCrCb2BGR);

   将图像转化为YCrCb格式，接着分离出Y通道，对y通道数据统计直方图，throwld 对应为之前说的50%阀值，该阀值根据拖动条变化，阀值越低，亮处

细节效果越明显，将阀值throwld和80%处的像素值大小，保存到scale_flag数组中。接着计算出从新映射的公式。
　　最后通过：
            s1.val[0] = s1.val[0] * high_val[0];
            s1.val[0] = scale_flag[0] + (s1.val[0] - scale_flag[1]) * high_val[1];
    对图像亮处像素和非亮处像素进行重新映射，然后将图像格式从新转换回BGR格式。

效果演示

　　对应的效果图片如下：

          
　       　原图像                                     亮处细节

暗处细节

实现原理

　　和之前的亮度细节类似，区别是亮处细节时候，是从0开始统计到50%为阀值，80%以上为亮处细节。这里是从255开始。像素值递减的统计，也是50%为阀值。
    80%以上的数据的暗处细节。最后将非暗处细节的数据，从新映射到255开始统计的，50%像素范围内，将暗处细节数据映射到50%像素开始到像素 值为0的像素范围内。

具体代码

JNIEXPORT void JNICALL Java_com_example_myadjust_MyPicAdjust_changePicDarkDetile
    (JNIEnv* env, jclass obj, jlong imageDarkdetile, jint value){
    int width, height, i, j = 0;
    IplImage src1;
    CvScalar s1;
    int hist_size = 256;
    int hist_height = 256; 
    IplImage* Y_plane;
    CvHistogram* Y_hist;
    float range[] = {0,255};
    float* ranges[]={range};
    float high_val[2], tmp;
    float scale[hist_size];
    float scale_number[hist_size];
    float scale_flag[2];
    float throwld = 0.4 + value / 333.3;
 
    Mat mat = Mat(*((Mat*)imageDarkdetile));
    src1 = mat;
    width = mat.rows;
    height = mat.cols;
    cvCvtColor(&src1, &src1, CV_BGR2YCrCb);
    Y_plane  = cvCreateImage(cvGetSize(&src1), 8, 1);
    cvSplit(&src1, Y_plane, NULL, NULL, NULL);
    Y_hist = cvCreateHist(1, &hist_size, CV_HIST_ARRAY, ranges, 1);
 
    cvCalcHist(&Y_plane, Y_hist, 0, 0);
    cvNormalizeHist(Y_hist, 1.0);
 
    for(i=hist_size - 1; i>0; i--){
        high_val[0] = cvQueryHistValue_1D(Y_hist, i);
        scale[j] = 0;
        if(j == 0){
            scale[j] = high_val[0];
        }else{
            scale[j] = scale[j - 1] + high_val[0];
        }
        if(scale[j] < throwld){
            scale_flag[0] = i;
        }else if(scale[j] > 0.8){
            scale_flag[1] = i;
            high_val[0] = (255.0 - scale_flag[0]) / (255.0 - scale_flag[1]);
            high_val[1] = scale_flag[0] / scale_flag[1];
            break;
        }
        j++;
    }
 
    for(i=0; i<width; i++){
        for(j=0; j<height; j++){
            s1 = cvGet2D(&src1, i, j);
            if(s1.val[0] > scale_flag[1]){
                s1.val[0] = scale_flag[0] + (s1.val[0] - scale_flag[1]) * high_val[0];
            }else{
                s1.val[0] = s1.val[0] * high_val[1];
            }
            cvSet2D(&src1, i, j, s1);
        }
    }
    cvCvtColor(&src1, &src1, CV_YCrCb2BGR);     
}

效果演示

　　对应的效果图片如下：

          
　       　原图像                                    暗处细节
具体演示下载：http://download.csdn.net/detail/u011630458/9261617
羽凌寒
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
OpenCV编程->USB摄像头参数调试
Rana专栏
09-07 1万+
enum { // modes of the controlling registers (can be: auto, manual, auto single push, absolute Latter allowed with any other mode) // every feature can have only one mode turned on at a time
MFC 使用Opencv调用摄像头并显示画面，关闭摄像头显示一张本地图片
05-07
MFC 使用Opencv调用摄像头并显示画面，关闭摄像头显示一张本地图片，MFC 使用Opencv调用摄像头并显示画面，关闭摄像头显示一张本地图片，MFC 使用Opencv调用摄像头并显示画面，关闭摄像头显示一张本地图片
最全OpenCV设置和获取摄像头参数_opencv 设置摄像头 对比度，2024年最新C C++应用性能优化
最新发布
2401_84978544的博客
05-16 842
const string window_name = “用户界面”;@brief OpenCV摄像头和视频属性操作。
基于opencv的简单亮度校正功能实现
千里之行始于足下
05-20 4280
今天找到了个简单亮度校正功能的方法感觉效果还可以,使用于简单背景 代码如下 int _tmain(int argc, _TCHAR* argv[]) { IplImage* src; // 第一条命令行参数确定了图像的文件名。 char* filename = (char*)"C:\\Users\\chenchao\\Desktop\\结晶\\25.bmp"; if( (src =
Java基于openCV的美颜相机项目源码
02-23
在本项目中，"Java基于openCV的美颜相机项目源码"，开发者利用了开源计算机视觉库OpenCV以及Java编程语言，构建了一个能够实现美颜功能的相机应用。OpenCV是一个强大的工具，广泛用于图像处理和计算机视觉领域，包括...
基于opencv的双目相机标定代码
11-23
在这个项目中，我们将深入探讨基于OpenCV的双目相机标定过程，以及如何利用提供的代码进行操作。 首先，我们要理解双目相机的工作原理。双目相机由两个摄像头组成，模拟人类双眼观察物体的方式，通过三角测量原理来...
基于OpenCV 相机标定程序
03-23
"基于OpenCV的相机标定程序"就是一个用于实现这一目标的工具。OpenCV（开源计算机视觉库）是一个广泛使用的跨平台库，提供了丰富的函数和算法，适用于实时图像处理、计算机视觉以及机器学习。 相机标定的过程通常...
OpenCV实现halcon卡尺工具
06-10
本教程将详细讲解如何利用OpenCV实现一个类似Halcon的卡尺工具，用于进行精确的测量工作。 首先，理解卡尺工具的基本功能。卡尺是一种测量工具，通常用于物理世界中的长度、宽度和深度测量。在数字图像处理中，卡尺...
基于QT+OpenCV编写的相机内参标定程序，可使用棋盘格和圆点标定板
04-25
标题中的“基于QT+OpenCV编写的相机内参标定程序”揭示了这是一个结合了Qt和OpenCV两个库的项目，旨在实现相机的内部参数标定。Qt是一个跨平台的C++图形用户界面应用程序框架，而OpenCV（开源计算机视觉库）则是一个...
windows和linux下简单的软件级调整相机曝光时间（或其他参数）的方式
chenxingwangzi的博客
10-27 6939
windows使用opencv进行调整 cv::VideoCapture videoCapture(0); videoCapture.set(CV_CAP_PROP_FRAME_WIDTH, 640); videoCapture.set(CV_CAP_PROP_FRAME_HEIGHT, 480); videoCapture.set(CV_CAP_PROP_EXPOSU
opencv关闭摄像头python_opencv的摄像头脚本无休止地打开摄像头和关闭
weixin_39633165的博客
12-09 1107
cam_a = int(sys.argv[1])cam_b = int(sys.argv[2])while True:imgl = cv2.VideoCapture(cam_a).read()[1]imgL = cv2.cvtColor(imgl, cv2.COLOR_BGR2GRAY)imgr = cv2.VideoCapture(cam_b).read()[1]imgR = cv2.cvtCo...
Basler相机windows Opencv开发1
u013351270的博客
01-09 8479
basler Gige工业相机开发找了半天没找到合适自己的c++代码，最后发现pylon有不少例程。先记录下来。以备进一步开发。 1 软硬件准备：basler aca1600-20gm 相机，  win10 x64,  vs2013,opencv3.1 2 下载安装pylon,到basler官方网站下载适合自己相机的pylon版本（我的是pylon 5.0），安装的时候注意选择安装开发者模式。
opencv中如何调整图像亮度和对比度，以及亮度和对比度调整的原理
tony365的博客
08-31 1万+
首先减去均值，然后调整对比度，然后加上均值，最后调整亮度。通过对比直方图的变化效果 可知上面两个方法 作用是类似的。本来想找opencv的方法链接，但是链接已经失效。bri_mean锚定为127的时候。python实现的一个代码如下。增加对比度， 直方图更加均衡。增加亮度，直方图向右平移。...
OpenCV与相机的关系
热门推荐
计算机视觉小菜鸟的专栏
03-12 2万+
      经常碰到朋友，尤其是计算机视觉初学者朋友问到我关于OpenCV怎么获取图片，怎么把OpenCV跟相机结合起来这一类的问题。本人不才，不过，在平时的工作中，都接触到这方面，今天特意发文章给有些朋友们解惑一下。     我们做视频分析或者说监控行业用的相机，一般来说，有两种：（1）模拟相机；（2）数字相机；     模拟相机，输出的是模拟信号，也就是电压的高低信号。这种相机，现在用在很多的监控场合，例如在银行，当你坐在柜台前的时候，你的头顶上一般会有一个相机对着你的，据笔者观察，其中的大部分，目前都
OpenCV相关函数解析
CSDN-ZCL
12-16 919
findContours findContours在处理图像时经常用到，本篇博客简单介绍这个函数的用法 这个函数找轮廓找的是白色的轮廓，所以尽量让背景成黑色。 比如 背景为白色时检测的结果，可以看到最外围的整个图片也被检测到了，这显然不是我们想看到的 背景为黑色时检测的结果，结果较满意 findContours在OpenCV中重载两次，查看源代码可看到： void findC
在MFC图片控件中打开摄像头实时拍照
MAYBE的博客
04-23 9072
1.功能简介 用大恒相机实时拍摄电池照片，然后根据模板对样品进行检测，然后根据模板进行匹配，结果匹配成功的进行画圈。 2.安装大恒相机的驱动，保证用自带软件可以打开相机 3.打开halcon12，打开相机采集助手，然后识别设备，点击实时，看能否打开相机进行实时拍照，如果可以的话说明在MFC对话框中就可以实现打开相机。 4.点击生成代码将打开相机的代码转成C++，复制代码到MFC中，但是导出代
基于opencv的相机之最初布局（一）
羽凌寒
11-04 1716
简介 　　学了opencv之后，一直在考虑结合自己方面，用它做点什么实际的东西。最后决定在Android opencv基础上，使用ndk，做一个相机、图片处理相关的 应用，应用很简陋，还在不断完善中。 效果演示 效果截图 （图一）
android 基于 opencv 实现身份认证识别
07-28
基于OpenCV实现身份认证识别的Android应用需要进行以下步骤： 1. 集成OpenCV库：在Android项目中添加OpenCV库，可以通过Gradle或手动导入的方式。 2. 相机权限获取：在AndroidManifest.xml文件中添加相机权限，...

“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