BS版图形系统 - OpenCV - 第4章笔记

qt5.14.2+vs2019配置msvc2017编译器 qt5.14.2+vs2019配置msvc2017编译器 在使用qt编译程序时此前一直使用的是自带的MinGW 32-bit和64-bit,现在想使用msvc编译器。本次使用的是qt5.14.2,vs2019,需要配置msvc2017的32-bit和64-bit编译器。 1、首先安装好qt5.14.2和vs2019,其次在visual studio installer选择修改,然后选择msvc2017对应的组件,本次安装的是这两个 2、打开qt creator的工具–选项–kits–编译器,选择Manu 阅读详情


QQ: 282397369

4 深入研究直方图和滤波器

4.1 技术要求

4.2 生成CMake脚本文件

4.3 创建图形用户界面

  • Show histogram
  • Equalize histogram
  • Lomography effect
  • Cartoonize effect
    在这里插入图片描述

4.4 绘制直方图

  • split
vector<Mat> bgr;		// 3个矩阵来处理每个输入图像通道
split(img, bgr);		// 划分成3个通道
int numbins = 256; 		// 定义直方图的区间数[每个可能的像素值对应一个区间]
float range[] = {0, 256};  // 定义变量范围
const float * histRange = {range}; 
Mat b_hist, g_hist, r_hist;	// 创建3个矩阵来存储每个直方图
calcHist( &bgr[0], 1, 0, Mat(), b_hist, 1, &numbins, &histRange );
calcHist( &bgr[1], 1, 0, Mat(), g_hist, 1, &numbins, &histRange );
calcHist( &bgr[2], 1, 0, Mat(), r_hist, 1, &numbins, &histRange );

Mat histImage( height, width, CV_8UC3, Scalar(20,20,20) );	// 准备绘制
normalize(b_hist, b_hist, 0, height,NORM_MINMAX );			// 标准化直方图矩阵[最大值与输出直方图图像的高度相同]
normalize(g_hist, g_hist, 0, height, NORM_MINMAX );
normalize(r_hist, r_hist, 0, height, NORM_MINMAX );


int binStep=cvRound((float)width/(float)numbins);
for( int i=1; i< numbins; i++)
{
   line( histImage, 
           Point( binStep*(i-1), height-cvRound(b_hist.at<float>(i-1) ) ),
           Point( binStep*(i), height-cvRound(b_hist.at<float>(i) ) ),
           Scalar(255,0,0)
       );
   line( histImage, 
           Point( binStep*(i-1), height-cvRound(g_hist.at<float>(i-1) ) ),
           Point( binStep*(i), height-cvRound(g_hist.at<float>(i) ) ),
           Scalar(0,255,0)
       );
   line( histImage, 
           Point( binStep*(i-1), height-cvRound(r_hist.at<float>(i-1) ) ),
           Point( binStep*(i), height-cvRound(r_hist.at<float>(i) ) ),
           Scalar(0,0,255)
       );
}

在这里插入图片描述

4.5 图像颜色均衡

为了均衡彩色图像,只需均衡亮度通道。可用HSV或YCrCb来分离亮度分量

    Mat ycrcb;
    cvtColor( img, ycrcb, COLOR_BGR2YCrCb);		// 将BGR图像转换为YCrCb

    // Split image into channels
    vector<Mat> channels;						// 分离YCrCb图像为不同的通道矩阵
    split( ycrcb, channels );
    
    // Equalize the Y channel only
    equalizeHist( channels[0], channels[0] );	// Y通道(0)为亮度,输入 -> 输出

    // Merge the result channels
    merge( channels, ycrcb );					// 合并成YCrCb

    // Convert color ycrcb to BGR
    cvtColor( ycrcb, result, COLOR_YCrCb2BGR );	// 转换为BGR格式

在这里插入图片描述

4.6 Lomography效果

  • Google相机、Instagram
  • LUT:查找表
  • 示例:仅用于红色通道、对图像应用暗晕来实现复古效果
  • 在这里插入图片描述
    示例中,取s=0.1。s越低越暗
    const double E = std::exp(1.0);
    // Create Lookup table for color curve effect
    Mat lut(1, 256, CV_8UC1);
    for (int i=0; i<256; i++)
    {
        float x= (float)i/256.0; 
        lut.at<uchar>(i)= cvRound( 256 * (1/(1 + pow(E, -((x-0.5)/0.1)) )) );
    }
   
    // Split the image channels and apply curve transform only to red channel
    vector<Mat> bgr;
    split(img, bgr);
    LUT(bgr[2], lut, bgr[2]);
    // merge result
    merge(bgr, result);
   
    // Create image for halo dark
    Mat halo( img.rows, img.cols, CV_32FC3, Scalar(0.3,0.3,0.3) );
    // Create circle 
    circle(halo, Point(img.cols/2, img.rows/2), img.cols/3, Scalar(1,1,1), -1); 
    blur(halo, halo, Size(img.cols/3, img.cols/3));
    
    // Convert the result to float to allow multiply by 1 factor
    Mat resultf;
    result.convertTo(resultf, CV_32FC3);
    
    // Multiply our result with halo
    multiply(resultf, halo, resultf);
    
    // convert to 8 bits
    resultf.convertTo(result, CV_8UC3);
    
    // show result
    imshow("Lomograpy", result);

    // Release mat memory
    halo.release();
    resultf.release();
    lut.release();
    bgr[0].release();
    bgr[1].release();
    bgr[2].release();

在这里插入图片描述

4.7 卡通效果

  • 边缘检测和颜色过滤

    Mat imgMedian;
    medianBlur(img, imgMedian, 7);			// 模糊,以便检测强边缘

    // Detect edges with canny
    Mat imgCanny;
    Canny(imgMedian, imgCanny, 50, 150);	// 边缘检测
    
    // Dilate the edges
    Mat kernel= getStructuringElement(MORPH_RECT, Size(2,2));
    dilate(imgCanny, imgCanny, kernel);		// 扩张一下,以连接断开的边缘

    // Scale edges values to 1 and invert values
    imgCanny= imgCanny/255;					// 准备相乘,归一化后反转
    imgCanny= 1-imgCanny;
    
    // Use float values to allow multiply between 0 and 1
    Mat imgCannyf;
    imgCanny.convertTo(imgCannyf, CV_32FC3);	// 将其转化为浮点矩阵

    // Blur the edgest to do smooth effect
    blur(imgCannyf, imgCannyf, Size(5,5));		// 模糊边缘,以给出平滑的结果线

    /** COLOR **/
    // Apply bilateral filter to homogenizes color
    Mat imgBF;
    bilateralFilter(img, imgBF, 9, 150.0, 150.0);	// 采用双边滤波[保持边缘的同时降低图像的噪声],以获得卡通外观

    // truncate colors
    Mat result= imgBF/25;			// 更强大的卡通效果,阶梯量化
    result= result*25;

    /** MERGES COLOR + EDGES **/
    // Create a 3 channles for edges
    Mat imgCanny3c;
    Mat cannyChannels[]={ imgCannyf, imgCannyf, imgCannyf};
    merge(cannyChannels, 3, imgCanny3c);

    // Convert color result to float 
    Mat resultf;
    result.convertTo(resultf, CV_32FC3);

    // Multiply color and edges matrices
    multiply(resultf, imgCanny3c, resultf);

    // convert to 8 bits color
    resultf.convertTo(result, CV_8UC3);
  • 模糊:高斯、中值…
  • 边缘:Canny过滤器检测强边缘
    在这里插入图片描述

4.8 总结

【水文学法总结】河道内生态流量计算方法(含MATLAB实现代码) 简介水文学法实现河道内生态流量计算 阅读详情

相关推荐

Windows下用MSYS2一键搞定Verilator安装(附国内镜像加速)

本文详细介绍了在Windows系统下,如何利用MSYS2工具和国内镜像源,快速、高效地完成Verilator的安装与配置。通过替换清华镜像源加速下载,并配合Pacman包管理器,实现近乎一键式的安装流程,有效解决了传统方法步骤繁琐、网络依赖下载慢的问题,为数字电路仿真提供了便捷的Windows环境解决方案。

weixin_29208327的博客 592

最全的C#图片处理类ImageHelper.cs

【图片处理】最全的C#图片处理类ImageHelper.cs <a target=_blank href="http://bbs.cskin.net/forum.php?mod=viewthread&tid=113&fromuid=2446">http://bbs.cskin.net/forum.php?mod=viewthread&tid=113&a...

weixin_30950607的博客 738

告别“为了写而写”:GJB438C-2021新规下,软件文档如何真正为项目服务?

本文深入解析GJB438C-2021新规如何重构软件文档的实战价值,通过文档体系瘦身、流程再造和敏捷化实践,显著提升军工软件项目的效率。新标准删除30%冗余文档,引入动态编制法和轻量化模板,使文档编制工作量降低37%,关键路径周期缩短15%。

weixin_30765577的博客 447

BS版图形系统 - 属性浏览器

BS版图形系统 - 属性浏览器 ** QQ: 282397369 ** 原理示教项目基本没跑,6月初确定动手。 两条线同时进展:管理系统和图形系统。 管理系统有正常前后端即可,图形系统还是主要的业务展示场合,一般的管理系统并不涵盖这些功能,所以干脆从头开发。 经过半个月的摸索尝试,最终选定TypeScript 作为图形工具,首先就要解决属性修改需求,即PropertyGrid。网上也有现成的PropertyGrid,但用起来代价太大,那就自己来做一个,也算是BS系统入个门。在以前用uniGUI的基础上,半个

drgraph的博客 447

【通俗易懂】Windows系统安装TensorRT

NVIDIA TensorRT是一个由NVIDIA公司开发的用于深度学习推理的高性能SDK。它专门设计用于在NVIDIA GPU上进行高效的神经网络推理,能够大幅度提升深度学习模型的推理速度和效率。TensorRT的主要特点包括:模型优化:TensorRT通过层融合、精度校准、动态形状等技术优化模型,减少推理时的计算量和内存占用。多精度推理:支持多种精度推理,包括FP32、FP16、INT8等,以平衡性能和精度。

王尼莫的博客 1587

BIOS硬件监控实战:如何手动读取IT8738芯片的温度与风扇数据(附代码)

本文深入探讨了如何绕过操作系统和HWMonitor等监控软件,直接通过寄存器级操作读取IT8738超级I/O芯片的硬件监控数据。文章提供了从动态定位EC空间、构建底层读写函数到解码传感器寄存器映射的完整实战指南,并附有C语言代码示例,帮助开发者理解BIOS硬件监控的底层原理,适用于定制硬件开发与故障诊断。

weixin_29192211的博客 109

BS版图形系统 - 矩形

BS版图形系统 - 矩形 QQ: 282397369 Html5的Canvas,最基本的功能可以支持画矩形,其实也就那几个参数来回设置。 export class TRectangle extends TTwoPointMeta { cornerRadius: number = 0; // 圆角半径 Initial() { this.setClassType(CbwClassType.Rectangle); super.Initial(); }

drgraph的博客 389

Python爬虫实战 | 拼多多商品评论采集与深度分析

本文从 API 调用、网页渲染到情感分析与关键词提取,全流程剖析了“拼多多商品评论采集与分析”项目。Scrapy + API 可快速抓取评论;Playwright 可突破 API 限制,抓取完整页面内容;数据清洗 + 分析揭示用户真实反馈;可持续部署、扩展至更多商品 & 时间段;

2201_76125261的博客 1696

CS架构和BS架构的发展趋势即在图像处理软件中的应用

CS架构: 采用客户端-服务器架构的软件在处理图像方面有天然的优势,世界有名的图像软件大部分是单纯的桌面版或CS架构,例如商业的图像处理软件Photoshop,开源的图像处理软件Gimp、美图秀秀等,遥感图像处理方面有大名鼎鼎的envi, erdas等。由于CS客户端对计算机具备更多的控制,能实现更复杂的逻辑,而且有大量第三方代码可用,特别适合图像类软件的开发。缺点是:在软件发布方面比较麻烦。但对于中小型系统而言,它的高效性和灵活性足以抵消这个缺点。 BS架构: BS架构在最近10多年快速普及,在大部分领

小阳明的专栏 2327

Muse Spark:功能、性能测试及使用方法

对于一个仅用九个月时间从零开始重建的团队来说,这样的健康状况和多模态测试结果无疑是迈出了坚实的第一步,并且经受住了独立测试的考验。Muse Spark 为每个产品确定了最重要的主题(A 产品的发布策略、B 产品的定价策略、C 产品的规模化策略),并提出了切实可行的具体行动方案。抽象视觉推理也遵循同样的模式:Muse Spark 的 ARC-AGI-2 得分为 42.5,而 GPT-5.4 和 Gemini 的得分都在 70 分左右。他的离职是由于组织结构的变化限制了他的角色,以及团队转向闭源开发。

xiaoshun007的专栏 123

手把手教你学Simulink——基于自动驾驶辅助系统的场景实例:车道保持辅助系统(LKA)的仿真与实现

本文通过Simulink实例讲解车道保持辅助系统(LKA)的实现方法。首先介绍LKA从预警到主动控制的技术演进,阐述其系统架构、核心组件和工作原理。重点演示基于自行车模型的车辆横向动力学建模过程,以及使用线性二次调节器(LQR)设计横向控制器的详细步骤。教程包含四个仿真场景测试,分析关键指标如控制精度、舒适性和响应性。最后探讨LKA技术的发展方向,强调人机协同的安全理念。该实例为自动驾驶辅助系统开发提供了完整的Simulink实践方案。

MHD0815的博客 182

BS版图形系统 - OpenCV - 第1章笔记

BS版图形系统 - OpenCV - 第1章笔记1 OpenCV入门1.1 了解人类视觉系统1.2 人类如何理解图像内容1.3 能用OpenCV做什么1.3.1 内置数据结构和输入/输出1.3.2 图像处理操作1.3.3 GUI1.3.4 视频分析1.3.5 3D重建1.3.6 特征提取1.3.7 对象检测1.3.8 机器学习1.3.9 计算摄影1.3.10 形状分析1.3.11 光流算法1.3.12 人脸和对象识别1.3.13 表面匹配1.3.14 文本检测和识别1.3.15 深度学习1.4 安装Open

drgraph的博客 390

[密码学实战]商密TLCP协议抓包解析与深度分析(二十九)

[密码学实战]商密TLCP协议抓包解析与深度分析(二十九)

曼岛_的博客 631

BS版图形系统 - OpenCV - 第6章笔记

BS版图形系统 - OpenCV - 第6章笔记6. 学习对象分类6.1 技术要求6.2 机器学习概念介绍OpenCV机器学习算法 QQ: 282397369 6. 学习对象分类 对每个分离的对象进行分类 训练系统,以便能够学习必需的参数,从而决定将哪个特定标签分配给检测到的对象 机器学习的基本概念,以便对具有不同标签的图像进行分类 6.1 技术要求 6.2 机器学习概念介绍 机器学习:计算机无须明确编程就能够开展学习的能力 机器学习涉及到人工智能中的模式识别和学习理论,并且与计算统计学有关 应用:OCR、

drgraph的博客 404

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

BS版图形系统 - OpenCV - 第5章笔记

BS版图形系统 - OpenCV - 第5章笔记5 自动光学检查、对象分割和检测5.1 技术要求5.2 隔离场景中的对象5.3 为AOI创建应用程序5.4 预处理输入图像5.4.1 噪声消除5.4.2 用光模式移除背景进行分割5.4.3 阈值5.5 分割输入图像5.5.1 连通组件算法5.5.2 findContours算法5.6 总结 ** QQ: 282397369 ** 5 自动光学检查、对象分割和检测 AOI:自动光学检查 5.1 技术要求 5.2 隔离场景中的对象 预处理: 噪声消除 光消

drgraph的博客 261

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

BS版图形系统 - OpenCV - 第2章笔记

BS版图形系统 - OpenCV - 第2章笔记2 OpenCV基础知识导论2.1 技术要求2.2 基本CMake配置文件2.3 创建一个库2.4 管理依赖项2.5 让脚本更复杂2.6 图像和矩阵2.7 读/写图像2.8 读取视频和摄像头2.9 其他基本对象类型VecScalarPointSizeRectRotatedRect2.10 基本矩阵运算2.11 基本数据存储2.12 总结 QQ 282397369 2 OpenCV基础知识导论 2.1 技术要求 2.2 基本CMake配置文件 2.3 创建一个库

drgraph的博客 191

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

BS版图形系统 - OpenCV - 第3章笔记

BS版图形系统 - OpenCV - 第3章笔记3 学习图形用户界面3.1 技术要求3.2 OpenCV用户界面介绍3.3 OpenCV的基本图形用户界面3.4 QT图形用户界面3.5 OpenGL支持3.6 总结 QQ 282397369 3 学习图形用户界面 显示图像结果,处理用户与图像的交互。 3.1 技术要求 3.2 OpenCV用户界面介绍 基于原生用户界面的基本界面: GTK 基于QT库的略微更高级的界面 3.3 OpenCV的基本图形用户界面 highgui模块 #include &

drgraph的博客 170

DrGraph原理示教 - OpenCV 4 功能 - 阈值

参数4:阈值的方式,主要有5种,分别为cv.THRESH_BINARY、cv.THRESH_BINARY_INV、cv.THRESH_TRUNC、cv.THRESH_TOZERO、cv.THRESH_TOZERO_INV。有时间看下源码就可以不用猜测了。二进制阈值化:选择一个特定的阈值量,大于该阈值的像素点的灰度值设定为最大值(如8位灰度值最大为255),小于该阈值的像素点的灰度值设定为0。反阈值化为0:与阈值化为0类似,只是像素点的灰度值大于该阈值的不进行任何改变,而小于该阈值的,其灰度值全部变为0。

drgraph的博客 1447

DrGraph原理示教 - OpenCV 4 功能 - 颜色空间

前段时间,甲方提出明确需求,让把软件国产化。稍微研究了一下,那就转QT开发,顺便把以前的功能代码重写一遍。至于在Ubuntu下折腾QT、OpenCV安装事宜,网上文章很多,照猫画虎即可。QT 6支持C++ 17,里面很多C++的新功能,用起来更为舒爽。QT Creator中,代码提示更快捷,代码折叠也很准确QT Creator中,文档生成更方便,配合Doxygen之后,自己都感觉更专业了当然,更让我高兴的是,QT直接支持最新版的OpenCV,以前还一直停留在2.3版。

drgraph的博客 1442

DrGraph原理示教 - OpenCV 4 功能 - 直方图

OpenCV直方图是一种可以对整幅图的灰度分布进行整体了解的图示。它是带有像素值(从0到255,不总是)的图在X轴上,在y轴上的图像对应的像素个数。通过观察图像的直方图,我们可以直观的了解图像的对比度、亮度、亮度分布等。在直方图中,横坐标表示图像中各个像素点的灰度级,纵坐标表示具有该灰度级的像素个数。直方图的左边部分显示了图像中较暗像素的数量,右边区域显示了更明亮的像素。直方图是非常常用的图像处理方法,有时在很多图像预处理中能起到特别好的效果。

drgraph的博客 1361

BS版图形系统 - 界面控件配置

BS版图形系统 - 界面控件配置界面控件考虑资源配置化XML资源配置加载下一步任务 QQ: 282397369 界面控件考虑 有了属性浏览器,下来就该处理工具栏了。 一个直观感觉,网页留给程序的空间,要比应用程序少。网页在浏览器这个程序中运行,不同的浏览器,提供相应的界面,占据标题、工具栏位置,甚至书签与侧栏。所以做网页程序的时候,尽量能将工作区整大一些。 当然,如何整应该是UI设计的事,技术层面还是关心如何实现的问题。 在属性浏览器的基础上,初步实现了一个VCL的JS框架。但新建控件,还是要写一堆代码来控

drgraph的博客 1270

BS版图形系统 - 画线

BS版图形系统 - 画线 一晃两个月过去了,儿子也考了个喜欢的大学,重新,又稳定了下来。 我也重操旧业,编点小程序。时不时发个小博客,自娱自乐一下。 今天处理图元 - 线。 话不多说,直接上代码。 export class TLine extends TTwoPointMeta { beginArrow: TArrow = new TArrow; endArrow: TArrow = new TArrow; Initial() { this.setClassType(

drgraph的博客 774

DrGraph原理示教 - OpenCV 4 功能 - 二值化

二值化,也就是处理结果为0或1,当然是针对图像的各像素而言的1或0,对应于有无,也就是留下有用的,删除无用的,有用的部分,就是关心的部分在图像处理中,也不仅仅只是1或0,因为这两个值看起来都是黑的,人眼很难分辨清楚,那就放大一些,255或0,黑白就出来了目标识别、图像分割、目标提取等后续应用,很多会基于二值化的结果。所以图像分析的二值化处理是一个重要环节。

drgraph的博客 734

DrGraph - SVG模块之一:显示与节点选择

DrGraph - SVG模块之一:显示与节点选择显示SVG编辑生成目标子集SVG 对于虚拟面板中的元件,以前采用FLASH技术实现相应显示与交互,通过ActionScript进行通信。现在看来,FLASH好象势微,使用起来有点麻烦,需要一些设置。其次,做FLASH的人也少了,后续也不太方便。 那就用SVG来进行改造。 显示SVG 将SVG解析置于DLL中,应用程序直接调用DLL完成解析并生成PNG,然后再画出显示。 UnicodeString filename = FResponseNode->At

drgraph的博客 680

DrGraph原理示教 - OpenCV 4 功能 - 单通道图

在OpenCV中,Mat类的channels实际上和每个元素上存储的数据有关,例如存储的是Point3f,channel就自动为3。具体来说,图像是由一个个像素点堆积而成的,而一个像素点,又是由RGB颜色混合而成的。从数学的角度来看,结果都是 f(R, G, B, A),单通道是R/G/B/A中的一个,灰度是其余逻辑,如0.299×R+0.587G+0.114B。当然,对编程来说,光知道通道数是多少,并没有什么大用,应该要取得某个通道的图像才是目的,这也是各图像的内在本质。这里的通道就是channels。

drgraph的博客 650

脚本为王 - 辅助功能

脚本为王 - 辅助功能目标通用辅助功能QQ自动反馈图像输入操作模式 QQ: 282397369 目标 之前做了个苹果全自动试玩脚本,发觉脚本+图像分析确实很有用,尤其是针对最终应用,比如手机业务、产品质量检测,其灵活性与实用性大大增加。 本月,送儿子去深圳上大学,发现深圳众多中小公司工厂,对脚本+图像分析的需求旺盛。 所以,干脆做一个通用的脚本模块软件,可用于诸多需求场合。 把多年不用的群208894875清空,改群名为脚本为王,笨狗先扎个狼狗势。 通用辅助功能 QQ自动反馈 该功能主要是在软件运行过程中,

drgraph的博客 649
上一篇: BS版图形系统 - OpenCV - 第3章笔记
下一篇: BS版图形系统 - 整合C++到JS中
DrGraph
博客等级 码龄14年 228粉丝 77原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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