项目实战:Qt+OpenCV图像处理与识别算法平台(持续更新,当前v1.7.0)

简介: 项目实战:Qt+OpenCV图像处理与识别算法平台(持续更新,当前v1.7.0)
+关注继续查看

需求

  做算法过程中,需要一个平台来实时查看效果,记录处理过程,可以一键查看效果;

  OpenCV的各种算法在Qt效果调试;

  持续升级版本,敬请期待…(请点击收藏)


原理

  基于Qt的OpenCV开发,依托Qt作为界面,OpenCV进行图像处理


版本说明

  image


Demo: Qt+OpenCV算法平台 v1.7.0

下载地址

  CSDN:https://download.csdn.net/download/qq21497936/12882003

  QQ群:1047134658(点击“文件”搜索“qtOpenCVTools”,群内与博文同步更新)

版本信息

  • v1.7.0 更改子窗口的类型设计模式,加载退出之前所在的Demo例程页面,兼容单通道图像,增加霍夫线变换、开运算、闭运算、形态学梯度、顶帽(礼帽)、黑帽、漫水填充(点击图片选点填充)

演示

  image

  image


Demo:Qt+OpenCV算法平台 v1.6.0

下载地址

  CSDN:https://download.csdn.net/download/qq21497936/12587028

  QQ群:1047134658(点击“文件”搜索“qtOpenCVTools”,群内与博文同步更新)

版本信息

  • v1.5.0 增加对算法的结果进行输出、展示和保存,增加阈值化、自适应阈值化
  • v1.6.0 更改子窗口的设计模式,增加OTSU阈值化、双阈值化(中间区域、非中间区域)、半阈值化

演示

  image

  image


Demo:Qt+OpenCV算法平台 v1.4.0

下载地址

  CSDN:https://download.csdn.net/download/qq21497936/12570673

  QQ群:1047134658(点击“文件”搜索“qtOpenCVTools”,群内与博文同步更新)

版本信息

  • v1.0.0 基础框架
  • v1.1.0 增加openCV图片读取与保存
  • v1.2.0 增加对比度与亮度、方框滤波、均值滤波和高斯滤波
  • v1.3.0 增加对bmp图片的支持,增加中值滤

腐蚀

  image

膨胀

  image

双边滤波

  image

中值滤波

  image

高斯滤波

  image

均值滤波

  image

方框滤波

  image

对比度与亮度

  image

图片打开与保存

  image


涉及技术博文

  《OpenCV开发笔记(三十四):红胖子带你傻瓜式编译Qt+openCV3.4.1+opencv_contrib(全网最浅显易懂)

  《OpenCV开发笔记(四):OpenCV图片和视频数据的读取与存储

  《OpenCV开发笔记(十三):OpenCV图像对比度、亮度的调整

  《OpenCV开发笔记(十四):算法基础之线性滤波-方框滤波

  《OpenCV开发笔记(十五):算法基础之线性滤波-均值滤波

  《OpenCV开发笔记(十六):算法基础之线性滤波-高斯滤波

  《OpenCV开发笔记(十八):算法基础之非线性滤波-中值滤波

  《OpenCV开发笔记(十九):算法基础之非线性滤波-双边滤波

  《OpenCV开发笔记(二十一):算法基础之形态学滤波-膨胀

  《OpenCV开发笔记(二十二):算法基础之形态学滤波-腐蚀

  《OpenCV开发笔记(二十八):带你学习图像识别之阈值化

  《OpenCV开发笔记(二十九):带你学习图像识别之自适应阈值

  《OpenCV开发笔记(三十):带你学习图像识别之经典OTSU算法阈值化

  《OpenCV开发笔记(三十一):红胖子8分钟带你深入了解双阈值化(图文并貌+浅显易懂+程序源码)

  《OpenCV开发笔记(三十二):红胖子8分钟带你深入了解半阈值化(图文并貌+浅显易懂+程序源码)


核心代码

common.h

#ifndef COMMON_H
#define COMMON_H

#include <QImage>
#include <QDebug>
#include <QFileDialog>
#include <QColorDialog>
#include <QMessageBox>
#include <QHash>
// opencv
#include "opencv/highgui.h"
#include "opencv/cxcore.h"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/opencv.hpp"
#include "opencv2/xphoto.hpp"
// opencv_contrib
#include <opencv2/xphoto.hpp>
#include <opencv2/ximgproc.hpp>
#include <opencv2/calib3d.hpp>

cv::Mat image2Mat(QImage image);    // Qimage 转 cv::Mat
QImage mat2Image(cv::Mat mat);      // cv::Mat 转 QImage

#endif // COMMON_H

common.cpp

#include "common.h"

cv::Mat image2Mat(QImage image)
{
    cv::Mat mat;
    switch(image.format())
    {
    case QImage::Format_ARGB32:
    case QImage::Format_RGB32:
    case QImage::Format_ARGB32_Premultiplied:
        mat = cv::Mat(image.height(), image.width(), CV_8UC4, (void*)image.constBits(), image.bytesPerLine());
        cv::cvtColor(mat, mat, CV_BGRA2BGR);
        break;
    case QImage::Format_RGB888:
        mat = cv::Mat(image.height(), image.width(), CV_8UC3, (void*)image.constBits(), image.bytesPerLine());
        cv::cvtColor(mat, mat, CV_BGR2RGB);
        break;
    case QImage::Format_Indexed8:
        mat = cv::Mat(image.height(), image.width(), CV_8UC1, (void*)image.constBits(), image.bytesPerLine());
        break;
    }
    return mat;
}

QImage mat2Image(cv::Mat mat)
{
    if(mat.type() == CV_8UC1)
    {
        QImage image(mat.cols, mat.rows, QImage::Format_Indexed8);
        // Set the color table (used to translate colour indexes to qRgb values)
        image.setColorCount(256);
        for(int i = 0; i < 256; i++)
        {
            image.setColor(i, qRgb(i, i, i));
        }
        // Copy input Mat
        uchar *pSrc = mat.data;
        for(int row = 0; row < mat.rows; row ++)
        {
            uchar *pDest = image.scanLine(row);
            memcpy(pDest, pSrc, mat.cols);
            pSrc += mat.step;
        }
        return image;
    }
    else if(mat.type() == CV_8UC3)
    {
        const uchar *pSrc = (const uchar*)mat.data;
        QImage image(pSrc, mat.cols, mat.rows, mat.step, QImage::Format_RGB888);
        return image.rgbSwapped();
    }
    else if(mat.type() == CV_8UC4)
    {
        const uchar *pSrc = (const uchar*)mat.data;
        QImage image(pSrc, mat.cols, mat.rows, mat.step, QImage::Format_ARGB32);
        return image.copy();
    }
    else
    {
        return QImage();
    }
}

DemoContrastAndBrightnessWidget.h

#ifndef DEMOCONTRASTANDBRIGHTNESSWIDGET_H
#define DEMOCONTRASTANDBRIGHTNESSWIDGET_H

#include <QWidget>
#include "common.h"

namespace Ui {
class DemoContrastAndBrightnessWidget;
}

class DemoContrastAndBrightnessWidget : public QWidget
{
    Q_OBJECT

public:
    explicit DemoContrastAndBrightnessWidget(QWidget *parent = 0);
    ~DemoContrastAndBrightnessWidget();

public:
    void setFilePath(QString filePath);

protected:
    void updateInfo();
    void updateImage();

private slots:
    void on_pushButton_openFile_clicked();
    void on_horizontalSlider_beta_sliderMoved(int position);
    void on_horizontalSlider_alpha_sliderMoved(int position);
    void on_pushButton_broswer_clicked();
    void on_spinBox_beta_valueChanged(int arg1);
    void on_doubleSpinBox_alpha_valueChanged(double arg1);
    void on_pushButton_showFile_clicked();
    void on_pushButton_backgroundColor_clicked();

private:
    Ui::DemoContrastAndBrightnessWidget *ui;

private:
    QString _filePath;

    cv::Mat _srcMat;
    QImage _srcImage;
    cv::Mat _dstMat;
    QImage _dstImage;
};
#endif // DEMOCONTRASTANDBRIGHTNESSWIDGET_H

DemoContrastAndBrightnessWidget.cpp

#include "DemoContrastAndBrightnessWidget.h"
#include "ui_DemoContrastAndBrightnessWidget.h"

DemoContrastAndBrightnessWidget::DemoContrastAndBrightnessWidget(QWidget *parent) :
    QWidget(parent),
    ui(new Ui::DemoContrastAndBrightnessWidget)
{
    ui->setupUi(this);
}

DemoContrastAndBrightnessWidget::~DemoContrastAndBrightnessWidget()
{
    delete ui;
}

void DemoContrastAndBrightnessWidget::setFilePath(QString filePath)
{
    _filePath = filePath;
    ui->lineEdit_filePath->setText(_filePath);
}

void DemoContrastAndBrightnessWidget::updateInfo()
{
    if(_srcMat.data == 0)
    {
        return;
    }
    // mat行列与图片高度是对角线反向的
    ui->label_size->setText(QString("%1 x %2").arg(_srcMat.rows).arg(_srcMat.cols));
    ui->label_channels->setText(QString("%1").arg(_srcMat.channels()));
    ui->label_depth->setText(QString("%1").arg(_srcMat.depth()));
    ui->label_type->setText(QString("%1").arg(_srcMat.type()));
}

void DemoContrastAndBrightnessWidget::updateImage()
{
    if(_srcImage.isNull())
    {
        return;
    }

    cv::Mat srcMat = image2Mat(_srcImage);

    // 增强对比度
    float r;
    float g;
    float b;
    _dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
    int alpha = ui->horizontalSlider_alpha->value();    // 小于1,则降低对比度
    int beta = ui->horizontalSlider_beta->value();     // 负数,则降低亮度
    for(int row = 0; row < srcMat.rows; row++)
    {
        for(int col = 0; col < srcMat.cols; col++)
        {
            b = srcMat.at<cv::Vec3b>(row, col)[0];
            g = srcMat.at<cv::Vec3b>(row, col)[1];
            r = srcMat.at<cv::Vec3b>(row, col)[2];
            // 对比度、亮度计算公式 cv::saturate_cast<uchar>(value):防止溢出
            _dstMat.at<cv::Vec3b>(row, col)[0] = cv::saturate_cast<uchar>(b * alpha / 100.0f + beta);
            _dstMat.at<cv::Vec3b>(row, col)[1] = cv::saturate_cast<uchar>(g * alpha / 100.0f + beta);
            _dstMat.at<cv::Vec3b>(row, col)[2] = cv::saturate_cast<uchar>(r * alpha / 100.0f + beta);
        }
    }
    _dstImage = mat2Image(_dstMat);
    ui->widget_image->setImage(_dstImage);
}

void DemoContrastAndBrightnessWidget::on_pushButton_openFile_clicked()
{
    if(!_srcImage.load(_filePath))
    {
        qDebug() << __FILE__ << __LINE__ << "Failed to load image:" << _filePath;
        return;
    }
    qDebug() << __FILE__<< __LINE__ << (int)_srcImage.format();
    _srcMat = image2Mat(_srcImage);
    updateInfo();
    updateImage();
}

void DemoContrastAndBrightnessWidget::on_horizontalSlider_beta_sliderMoved(int position)
{
    ui->spinBox_beta->setValue(position);
    updateImage();
}

void DemoContrastAndBrightnessWidget::on_horizontalSlider_alpha_sliderMoved(int position)
{
    ui->doubleSpinBox_alpha->setValue(position / 100.0f);
    updateImage();
}

void DemoContrastAndBrightnessWidget::on_pushButton_broswer_clicked()
{
    QString dir = ui->lineEdit_filePath->text();
    dir = dir.mid(0, dir.lastIndexOf("/"));
    QString filePath = QFileDialog::getOpenFileName(0, "打开图片", dir, "PNG;JPEG;BMP(*.png;*.jpg;*.bmp);;JPEG(*.jpg);;PNG(*.png);;BMP(*.bmp)");
    if(filePath.isEmpty())
    {
        return;
    }
    _filePath = filePath;
    ui->lineEdit_filePath->setText(_filePath);

}

void DemoContrastAndBrightnessWidget::on_spinBox_beta_valueChanged(int arg1)
{
    ui->horizontalSlider_beta->setValue(arg1);
    updateImage();
}

void DemoContrastAndBrightnessWidget::on_doubleSpinBox_alpha_valueChanged(double arg1)
{
    ui->horizontalSlider_alpha->setValue(arg1 * 100);
    updateImage();
}

void DemoContrastAndBrightnessWidget::on_pushButton_showFile_clicked()
{
    if(_dstMat.data == 0)
    {
        QMessageBox::information(this, "提示", "使用opencv显示图片失败");
        return;
    }
    cv::imshow("showFile", _dstMat);
}

void DemoContrastAndBrightnessWidget::on_pushButton_backgroundColor_clicked()
{
    QColor backgroundColor = ui->widget_image->getBackgroundColor();
    backgroundColor = QColorDialog::getColor(backgroundColor, this, "底色");
    if(!backgroundColor.isValid())
    {
       return;
    }
    QColor color(backgroundColor.red(), backgroundColor.green(), backgroundColor.blue());
    ui->widget_image->setBackgroundColor(color);
}



相关文章
|
17天前
|
机器学习/深度学习 算法 C语言
FPGA图像处理之边缘检测算法的实现
边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括(i)深度上的不连续、(ii)表面方向不连续、(iii)物质属性变化和(iv)场景照明变化。边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域。
FPGA图像处理之边缘检测算法的实现
|
17天前
|
算法 计算机视觉 异构计算
FPGA图像处理之rgbtogray算法的实现
Ycbcrr或Y'CbCr有的时候会被写作:YCBCR或是Y'CBCR,是色彩空间的一种,通常会用于影片中的影像连续处理,或是数字摄影系统中。Y'为颜色的亮度(luma)成分、而CB和CR则为蓝色和红色的浓度偏移量成份。Y'和Y是不同的,而Y就是所谓的流明(luminance),表示光的浓度且为非线性,使用伽马修正(gamma correction)编码处理。
|
2月前
|
算法 计算机视觉
差分进化算法在图像处理中的应用研究(Matlab代码实现)
差分进化算法在图像处理中的应用研究(Matlab代码实现)
|
2月前
|
算法 计算机视觉
差分进化算法在图像处理中的应用研究(Matlab代码实现)
差分进化算法在图像处理中的应用研究(Matlab代码实现)
|
4月前
|
算法 计算机视觉
传统图像处理之几何特征寻找算法(二)
传统图像处理之几何特征寻找算法(二)
49 0
|
4月前
|
算法 计算机视觉
传统图像处理之几何特征寻找算法(一)
传统图像处理之几何特征寻找算法(一)
50 0
|
编解码 算法 计算机视觉
|
算法 计算机视觉
图像处理之积分图应用四(基于局部均值的图像二值化算法)
图像处理之积分图应用四(基于局部均值的图像二值化算法) 基本原理 均值法,选择的阈值是局部范围内像素的灰度均值(gray mean),该方法的一个变种是用常量C减去均值Mean,然后根据均值实现如下操作: pixel = (pixel > (mean - c)) ? object : background 其中默认情况下参数C取值为0。
1491 0
|
算法 计算机视觉 索引
图像处理之积分图应用三(基于NCC快速相似度匹配算法)
图像处理之积分图应用三(基于NCC快速相似度匹配算法) 基于Normalized cross correlation(NCC)用来比较两幅图像的相似程度已经是一个常见的图像处理手段。在工业生产环节检测、监控领域对对象检测与识别均有应用。
2655 0
|
算法 计算机视觉
图像处理之积分图应用一(半径无关的快速模糊算法)
图像处理之积分图像应用一(半径无关的快速模糊算法) 一:基本原理概述 传统的图像空间域卷积模糊算法,当窗口大小改变时卷积模糊时间也会变化,而且随着窗口尺寸越大计算量也越大,算法运行时间约越长。在很多时候无法满足实时性要求。
1408 0
相关产品
机器翻译
推荐文章
更多