基于opencv的支持多格式的滤镜算法代码实现

1. 定义一个结构体保存一些算法处理需要的图片信息：

struct m_picData {
 int width;
 int heigh;
 int picType;
};

2. 定义一个滤镜基类：

class Filter{
  struct m_picData picData;
}；

需要有一个实际处理数据的函数，接收输入、输出buffer两个参数。
此处需要利用多态，所以将函数定义为虚函数。

virtual void doFilter(uchar* inputbuf, uchar* outputbuf) = 0;

3. 定义反相滤镜算法类，继承滤镜基类：

class InverseFilter : Filter {
 struct m_picData picData;
 void doFilter(uchar* inputbuf, uchar* outputbuf);
}；

4. 实现反相滤镜类：

（1）在构造函数中填充picData：

InverseFilter::InverseFilter(struct m_picData pd)
{
  picData.width = pd.width;
  picData.heigh = pd.heigh;
  picData.picType = pd.picType;
}

（2）根据picType不同，需要对应不同的处理方法，所以增加两个方法用于实际实现数据处理：

 void doJPGFilter(uchar* inputbuf, uchar* outputbuf);
 void doYuvFilter(uchar* inputbuf, uchar* outputbuf);

（3）在doFilter中调用对应接口：

void InverseFilter::doFilter(uchar* inputbuf, uchar* outputbuf) {
  switch (picData.picType) {
  case JPG:
    doJPGFilter(inputbuf, outputbuf);
    break;
  case YUV_NV12:
    doYuvFilter(inputbuf, outputbuf);
    break;
  }
}

5. 反相算法的数据处理

（1）JPG：
R G B各占8bit，取的每像素的R值，使用（255 - R）替换R值，G B做同样处理，即可获得反相效果。
每行每像素遍历处理：

void InverseFilter::doJPGFilter(uchar* inputbuf, uchar* outputbuf)
{
	for (int y = 0; y < picData.heigh; y++)
	{
		uchar* P0 = inputbuf + (y * picData.width * 3);
		uchar* P1 = outputbuf + (y * picData.width * 3);
		for (int x = 0; x < picData.width; x++)
		{
			P1[3 * x] = 255 - P0[3 * x];
			P1[3 * x + 1] = 255 - P0[3 * x + 1];
			P1[3 * x + 2] = 255 - P0[3 * x + 2];
		}
	}
}

（2）NV12:
(a.) 已知： Y = 0.3R + 0.59G + 0.11B
U = 0.493(B - Y)
V = 0.877(R - Y)
(b.) 计算反相值:
反相Y = 0.3(255 - R) + 0.59(255 - G) + 0.11(255 - B)
= 255 - (0.3R + 0.59G + 0.11B)
= 255 -Y
反相U = 0.493((255 - B) - (255 - Y))
= -U
反相V = 0.877((255 - R) - (255 - Y))
= -V
(c.) Y U V取值：
NV12是YUV420的格式，四个Y共用一组UV。所以以四个Y一组UV为一个单元做处理。每个单元格式如下：

Y    Y
  UV  
Y    Y

代码实现：

void InverseFilter::doYuvFilter(uchar* inputbuf, uchar* outputbuf)
{
	for (int y = 0; y < picData.heigh; y += 2) {
		for (int x = 0; x < picData.width; x += 2) {
			outputbuf[y * picData.width + x] = 255 - inputbuf[y * picData.width + x];
			outputbuf[y * picData.width + (x + 1)] = 255 - inputbuf[y * picData.width + (x + 1)];
			outputbuf[(y + 1) * picData.width + x] = 255 - inputbuf[(y + 1) * picData.width + x];
			outputbuf[(y + 1) * picData.width + (x + 1)] = 255 - inputbuf[(y + 1) * picData.width + (x + 1)];
			outputbuf[(y / 2 + picData.heigh) * picData.width + x] = -inputbuf[(y / 2 + picData.heigh) * picData.width + x];
			outputbuf[(y / 2 + picData.heigh) * picData.width + (x + 1)] = -inputbuf[(y / 2 + picData.heigh) * picData.width + (x + 1)];
		}
	}
}

6. 使用一个工厂管理不同类型的滤镜：

Filter* FilterFactory::createFilter(int filterType, struct m_picData pd)
{
	Filter* filter = NULL;
	switch (filterType) {
	case INVERSEFILTER:
		filter = new InverseFilter(pd);
		break;
	case VINTAGEFILTER:
		filter = new VintageFilter(pd);
		break;
	}
	return filter;
}

7. 滤镜使用：

（1）填充待处理图像的相关属性：

 struct m_picData picData;
 picData.width = image.cols;
 picData.heigh = image.rows;
 picData.picType = JPG;

（2）创建滤镜对象：

Filter* filter = FilterFactory::createFilter(INVERSEFILTER, picData);

（3）调用处理方法：

filter->doFilter(image.data , img.data);