图像处理与AI音视频处理技术详解-优快云博客

本文深入探讨了图像处理与AI音视频处理的关键技术，包括连通区域检测、灰度值阈值调节、连通区域白点个数阈值调整、以及通过算法优化实现高效图像处理和音视频特效生成。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2019独角兽企业重金招聘Python工程师标准>>>

整个程序的流程是：

Main()

{

domain(); //寻找连通区域的总白点数

}

domain()

{

first() //寻找连通区域的第一个白点数
{

round(){} //寻找连通区域的其他白点数

}

具体函数：

domain函数：声明两个数组num和flag。num用来存放对应像素点是黑点（0）或白点（1），flag用来标记对应像素点是否被访问过，未访问是false，访问过是true。考虑到检测连通区域时边缘可能会越界，因此将四周的flag设为true。

first函数：用for循环寻找第一个白点，找到后将该白点的num值设为2（这是为后面判断连通区域白点个数作标记，如果连通区域白点个数小于阈值，就要把所有num为2的白点变成黑点）。然后调用round函数判断一片连通区域有多少个白点，如果多余阈值，就将num=2改为num=3（防止和下一个连通区域冲突）,否则将所有num为2的白点变成黑点。

round函数：将first函数找到的第一个白点的位置作为实参传过来。之后判断把连通区域的点是否为白点。同时对连通区域的白点又用递归调用round函数判断其连通区域，直到将一片连通区域的白点个数全部统计完。

代码中遇到的问题：

clone函数已经包括将图片所有信息全部复制给另一个图片了，不用再单独将灰度值赋值了。如：

Mat img2=img1.clone();

// img2.data[j*cols+i]=img1.data[j*cols+i]; 这一句不需要

尽量不使用全局变量，使用局部变量时，若其他函数不能用（变红），可以选择用传参的方式传给下一个函数。
对连通区域的第一个白点忘记标记为true，又忘记将第一个白点变黑。因此遇到了好多小白点没变黑的问题。
一个函数内不能定义另一个函数，但是可以调用。
结果效果不好可以调节灰度值的阈值和连通区域白点个数的阈值。

#include<opencv2/opencv.hpp>

#include<math.h>

using namespace cv;

using namespace std;

int rows,cols;

void domain(Mat img1) ;

void round(int xstart ,int ystart,int * num,bool * flag) ;

void first(int * num,bool * flag,Mat img2) ;

int number;

int main()

{

Mat img= imread("1.jpg",CV_LOAD_IMAGE_GRAYSCALE );

rows=img.rows;

cols=img.cols;

uchar *result; //数组和地址的关系

result=new uchar[rows*cols]; //动态分配一个数组result，存每个点的强度值，new分配的数组最后要用delete释放空间

for(int j=0;j<(rows-1);j++)

{

for(int i=0;i<(cols-1);i++)

{

int x=img.data[j*cols+i]-img.data[(j+1)*cols+i+1];

int y=img.data[(j+1)*cols+i]-img.data[j*cols+i+1];

result[j*cols+i]=(uchar)sqrt(x*x+y*y);

}

for(int j=0;j<(rows-1);j++)

{

for(int i=0;i<(cols-1);i++)

{

if(result[j*cols+i]<20)

{

img.data[j*cols+i] =0;

}

else

{

img.data[j*cols+i]=255;

}

delete [] result ;

domain (img );

namedWindow("image0", CV_WINDOW_AUTOSIZE);

imshow("image0",img);

waitKey();

return 0;

}

void domain(Mat img1) //找出一片区域的白点个数

{

//int n; //记录连通域白点个数

Mat img2=img1.clone();

// img2.data[j*cols+i]=img1.data[j*cols+i];

int * num;

num=new int[rows*cols];

bool * flag;

flag=new bool[rows*cols];

for(int j=0;j<rows;j++){

for(int i=0;i<cols;i++){

if(img2.data[j*cols+i]==255)

{

num[j*cols+i]=1;

flag[j*cols+i]=false;

}

else

{

num[j*cols+i]=0;

flag[j*cols+i]=false;

}

for(int i=0;i<cols;i++) //四个边,第一行

{

flag[i]=true;

}

for(int i=0,j=rows-1;i<cols;i++) //四个边，最后一行

{

flag[j*cols+i]=true;

}

for(int j=0;j<rows;j++) //四个边，左边一列

{

flag[j]=true;

}

for(int i=cols-1,j=0;j<rows;j++) //四个边，右边一列

{

flag[j*cols+i]=true;

}

first(num,flag,img2);

namedWindow("image1", CV_WINDOW_AUTOSIZE);

imshow("image1",img2);

delete [] num ;

delete [] flag ;

}

void first(int * num,bool * flag,Mat img2) //寻找连通域的第一个白点

{

for(int j=0;j<rows;j++){

for(int i=0;i<cols;i++){

if(num[j*cols+i]==1&&!flag[j*cols+i])

{

//round(i,j,num,flag);

num[j*cols+i]=2;

number=0;

flag[j*cols+i]=true;

round(i,j,num,flag);

if(number<80)

{

for(int a=0;a<rows;a++){

for(int b=0;b<cols;b++){

if(num[a*cols+b]==2)

{

img2.data[a*cols+b]=0;

}

else

{

for(int a=0;a<rows;a++){

for(int b=0;b<cols;b++){

if(num[a*cols+b]==2)

{

num[a*cols+b]=3;

}

void round(int xstart ,int ystart,int * num,bool * flag) //寻找连通域的白点数

{

if(num[(ystart-1)*cols+xstart-1]==1&&!flag[(ystart-1)*cols+xstart-1]) //左上

{

number++;

flag[(ystart-1)*cols+xstart-1]=true;

num[(ystart-1)*cols+xstart-1]=2;

round(xstart-1,ystart-1,num,flag);

}

if(num[(ystart-1)*cols+xstart]==1&&!flag[(ystart-1)*cols+xstart]) //上

{

number++;

flag[(ystart-1)*cols+xstart]=true;

num[(ystart-1)*cols+xstart]=2;

round(xstart,ystart-1,num,flag);

}

if(num[(ystart-1)*cols+xstart+1]==1&&!flag[(ystart-1)*cols+xstart+1]) //右上

{

number++;

flag[(ystart-1)*cols+xstart+1]=true;

num[(ystart-1)*cols+xstart+1]=2;

round(xstart+1,ystart-1,num,flag);

}

if(num[ystart*cols+xstart-1]==1&&!flag[ystart*cols+xstart-1]) //左

{

number++;

flag[ystart*cols+xstart-1]=true;

num[ystart*cols+xstart-1]=2;

round(xstart-1,ystart,num,flag);

}

if(num[ystart*cols+xstart+1]==1&&!flag[ystart*cols+xstart+1]) //右

{

number++;

flag[ystart*cols+xstart+1]=true;

num[ystart*cols+xstart+1]=2;

round(xstart+1,ystart,num,flag);

}

if(num[(ystart+1)*cols+xstart-1]==1&&!flag[(ystart+1)*cols+xstart-1]) //左下

{

number++;

flag[(ystart+1)*cols+xstart-1]=true;

num[(ystart+1)*cols+xstart-1]=2;

round(xstart-1,ystart+1,num,flag);

}

if(num[(ystart+1)*cols+xstart]==1&&!flag[(ystart+1)*cols+xstart]) //下

{

number++;

flag[(ystart+1)*cols+xstart]=true;

num[(ystart+1)*cols+xstart]=2;

round(xstart,ystart+1,num,flag);

}

if(num[(ystart+1)*cols+xstart+1]==1&&!flag[(ystart+1)*cols+xstart+1]) //右下

{

number++;

flag[(ystart+1)*cols+xstart+1]=true;

num[(ystart+1)*cols+xstart+1]=2;

round(xstart+1,ystart+1,num,flag);

}

转载于:https://my.oschina.net/zhangxuman/blog/338575

用递归方法实现图像的噪声