Opencv(二)图像融合、调整图像亮度与对比度、绘制形状与添加文字与图像模糊滤波

最新推荐文章于 2025-03-14 12:00:20 发布
最新推荐文章于 2025-03-14 12:00:20 发布
阅读量633 收藏
点赞数 1
分类专栏： C++ opencv 文章标签： opencv 计算机视觉 cv c++
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.youkuaiyun.com/weixin_43314180/article/details/108167943
版权

线性混合操作

在这里插入图片描述
相关API (addWeighted)：
在这里插入图片描述在这里插入图片描述
参数1：输入图像Mat – src1
参数2：输入图像src1的alpha值
参数3：输入图像Mat – src2
参数4：输入图像src2的alpha值
参数5：gamma值
参数6：输出混合图像
注意点：两张图像的大小和类型必须一致才可以

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv) {
	Mat src1, src2, dst;
	src1 = imread("D:/vcprojects/images/LinuxLogo.jpg");
	src2 = imread("D:/vcprojects/images/win7logo.jpg");
	if (!src1.data) {
		cout << "could not load image Linux Logo..." << endl;
		return -1;
	}
	if (!src2.data) {
		cout << "could not load image WIN7 Logo..." << endl;
		return -1;
	}

	double alpha = 0.5;
	if (src1.rows == src2.rows && src1.cols == src2.cols && src1.type() == src2.type()) {
		addWeighted(src1, alpha, src2, (1.0 - alpha), 0.0, dst);
		// multiply(src1, src2, dst, 1.0);//也可以但是推荐addWeighted
		
		imshow("linuxlogo", src1);
		imshow("win7logo", src2);
		namedWindow("blend demo", CV_WINDOW_AUTOSIZE);
		imshow("blend demo", dst);
	}
	else {
		printf("could not blend images , the size of images is not same...\n");
		return -1;
	}

	waitKey(0);
	return 0;
}

调整图像亮度与对比度

图像变换可以看作如下：

  • 像素变换 – 点操作
  • 邻域操作 – 区域
    调整图像亮度和对比度属于像素变换-点操作

在这里插入图片描述重要的API：
Mat new_image = Mat::zeros( image.size(), image.type() ); 创建一张跟原图像大小和类型一致的空白图像、像素值初始化为0

saturate_cast(value)确保值大小范围为0~255之间

Mat.at(y,x)[index]=value 给每个像素点每个通道赋值

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
int main(int argc, char** argv) {
	Mat src, dst;
	src = imread("D:/vcprojects/images/test.png");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	char input_win[] = "input image";
	cvtColor(src, src, CV_BGR2GRAY);
	namedWindow(input_win, CV_WINDOW_AUTOSIZE);
	imshow(input_win, src);

	// contrast and brigthtness changes 
	int height = src.rows;
	int width = src.cols;
	dst = Mat::zeros(src.size(), src.type());
	float alpha = 1.2;
	float beta = 30;

	Mat m1;
	src.convertTo(m1, CV_32F);
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			if (src.channels() == 3) {
				float b = m1.at<Vec3f>(row, col)[0];// blue
				float g = m1.at<Vec3f>(row, col)[1]; // green
				float r = m1.at<Vec3f>(row, col)[2]; // red

				// output
				dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(b*alpha + beta);
				dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(g*alpha + beta);
				dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(r*alpha + beta);
			}
			else if (src.channels() == 1) {
				float v = src.at<uchar>(row, col);
				dst.at<uchar>(row, col) = saturate_cast<uchar>(v*alpha + beta);
			}
		}
	}

	char output_title[] = "contrast and brightness change demo";
	namedWindow(output_title, CV_WINDOW_AUTOSIZE);
	imshow(output_title, dst);

	waitKey(0);
	return 0;
}

使用cv::Point与cv::Scalar绘制形状与添加文

Point表示2D平面上一个点x

Point p;
p.x = 10;
p.y = 8;
or
p = Pont(10,8);

Scalar表示四个元素的向量
Scalar(a, b, c);// a = blue, b = green, c = red表示RGB三个通道

绘制线、矩形、园、椭圆等基本几何形状

画线 cv::line （LINE_4\LINE_8\LINE_AA）
画椭圆cv::ellipse
画矩形cv::rectangle
画圆cv::circle
画填充cv::fillPoly

可以通过多边形填充来填充矩形
在这里插入图片描述

随机数生成cv::RNG

生成高斯随机数gaussian (double sigma)
生成正态分布随机数uniform (int a, int b)

绘制添加文字

putText函数 中设置fontFace(cv::HersheyFonts),

  • fontFace, CV_FONT_HERSHEY_PLAIN
  • fontScale , 1.0, 2.0~ 8.0
    在这里插入图片描述整体代码：
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;
Mat bgImage;
const char* drawdemo_win = "draw shapes and text demo";
void MyLines();
void MyRectangle();
void MyEllipse();
void MyCircle();
void MyPolygon();
void RandomLineDemo();
int main(int argc, char** argv) {
	bgImage = imread("D:/vcprojects/images/test1.png");
	if (!bgImage.data) {
		printf("could not load image...\n");
		return -1;
	}
	//MyLines();
	//MyRectangle();
	//MyEllipse();
	//MyCircle();
	//MyPolygon();

	//putText(bgImage, "Hello OpenCV", Point(300, 300), CV_FONT_HERSHEY_COMPLEX, 1.0, Scalar(12, 23, 200), 3, 8);
	//namedWindow(drawdemo_win, CV_WINDOW_AUTOSIZE);
	//imshow(drawdemo_win, bgImage);

	RandomLineDemo();
	waitKey(0);
	return 0;
}

void MyLines() {
	Point p1 = Point(20, 30);
	Point p2;
	p2.x = 400;
	p2.y = 400;
	Scalar color = Scalar(0, 0, 255);
	line(bgImage, p1, p2, color, 1, LINE_AA);
}

void MyRectangle() {
	Rect rect = Rect(200, 100, 300, 300);
	Scalar color = Scalar(255, 0, 0);
	rectangle(bgImage, rect, color, 2, LINE_8);
}

void MyEllipse() {
	Scalar color = Scalar(0, 255, 0);
	ellipse(bgImage, Point(bgImage.cols / 2, bgImage.rows / 2), Size(bgImage.cols / 4, bgImage.rows / 8), 90, 0, 360, color, 2, LINE_8);
}

void MyCircle() {
	Scalar color = Scalar(0, 255, 255);
	Point center = Point(bgImage.cols / 2, bgImage.rows / 2);
	circle(bgImage, center, 150, color, 2, 8);
}

void MyPolygon() {
	Point pts[1][5];
	pts[0][0] = Point(100, 100);
	pts[0][1] = Point(100, 200);
	pts[0][2] = Point(200, 200);
	pts[0][3] = Point(200, 100);
	pts[0][4] = Point(100, 100);

	const Point* ppts[] = { pts[0] };
	int npt[] = { 5 };
	Scalar color = Scalar(255, 12, 255);

	fillPoly(bgImage, ppts, npt, 1, color, 8);
}

void RandomLineDemo() {
	RNG rng(12345);
	Point pt1;
	Point pt2;
	Mat bg = Mat::zeros(bgImage.size(), bgImage.type());
	namedWindow("random line demo", CV_WINDOW_AUTOSIZE);
	for (int i = 0; i < 100000; i++) {
		pt1.x = rng.uniform(0, bgImage.cols);
		pt2.x = rng.uniform(0, bgImage.cols);
		pt1.y = rng.uniform(0, bgImage.rows);
		pt2.y = rng.uniform(0, bgImage.rows);
		Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
		if (waitKey(50) > 0) {
			break;
		}
		line(bg, pt1, pt2, color, 1, 8);
		imshow("random line demo", bg);
	}
}

图像模糊原理：

Smooth/Blur 是图像处理中最简单和常用的操作之一
使用该操作的原因之一就为了给图像预处理时候减低噪声
使用Smooth/Blur操作其背后是数学的卷积计算
在这里插入图片描述

通常这些卷积算子计算都是线性操作，所以又叫线性滤波。
在这里插入图片描述假设有6x6的图像像素点矩阵。

卷积过程：6x6上面是个3x3的窗口，从左向右，从上向下移动，黄色的每个像个像素点值之和取平均值赋给中心红色像素作为它卷积处理之后新的像素值。每次移动一个像素格。

模糊原理

归一化盒子滤波（均值滤波）

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200822144757390.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzMxNDE4MA==,size_16,color_FFFFFF,t_70#pic_center

高斯滤波

在这里插入图片描述

相关API：

均值模糊
- blur(Mat src, Mat dst, Size(xradius, yradius), Point(-1,-1));
在这里插入图片描述
高斯模糊
- GaussianBlur(Mat src, Mat dst, Size(11, 11), sigmax, sigmay);
其中Size（x, y）, x, y 必须是正数而且是奇数

#include <opencv2/opencv.hpp> 
#include <iostream> 
using namespace cv;

int main(int argc, char** argv) {
	Mat src, dst;
	src = imread("D:/vcprojects/images/test.png");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	char input_title[] = "input image";
	char output_title[] = "blur image";
	namedWindow(input_title, CV_WINDOW_AUTOSIZE);
	namedWindow(output_title, CV_WINDOW_AUTOSIZE);
	imshow(input_title, src);

	blur(src, dst, Size(11, 11), Point(-1, -1));
	imshow(output_title, dst);

	Mat gblur;
	GaussianBlur(src, gblur, Size(11, 11), 11, 11);
	imshow("gaussian blur", gblur);

	waitKey(0);
	return 0;
}

中值滤波

统计排序滤波器
中值对椒盐噪声有很好的抑制作用

在这里插入图片描述

双边滤波

均值模糊无法克服边缘像素信息丢失缺陷。原因是均值滤波是基于平均权重

高斯模糊部分克服了该缺陷，但是无法完全避免，因为没有考虑像素值的不同

高斯双边模糊 – 是边缘保留的滤波方法，避免了边缘信息丢失，保留了图像轮廓不变

在这里插入图片描述相关API：
中值模糊medianBlur（Mat src, Mat dest, ksize）
双边模糊bilateralFilter(src, dest, d=15, 150, 3);

 - 15 –计算的半径，半径之内的像数都会被纳入计算，如果提供-1 则根据sigma space参数取值
 - 150 – sigma color 决定多少差值之内的像素会被计算
 - 3 – sigma space 如果d的值大于0则声明无效，否则根据它来计算d值

中值模糊的ksize大小必须是大于1而且必须是奇数。

#include <opencv2/opencv.hpp> 
#include <iostream> 
using namespace cv;

int main(int argc, char** argv) {
	Mat src, dst;
	src = imread("D:/vcprojects/images/cvtest.png");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

	//medianBlur(src, dst, 3);
	bilateralFilter(src, dst, 15, 100, 5);
	namedWindow("BiBlur Filter Result", CV_WINDOW_AUTOSIZE);
	imshow("BiBlur Filter Result", dst);

	Mat resultImg;
	Mat kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	filter2D(dst, resultImg, -1, kernel, Point(-1, -1), 0);
	imshow("Final Result", resultImg);

	waitKey(0);
	return 0;

}
OpenCV-Python实战（1）——OpenCV简介与图像处理基础
盼小辉丶的博客
08-10 26万+
OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。
图像滤波中的灰度图对比矫正【图像识别与生成基础知识】
一键难忘的博客
11-14 3093
在计算机视觉领域，图像处理的一个重要任务是改善图像的质量，使得后续的图像分析和特征提取更加精确。**灰度图对比矫正**是其中一种基础技术，它可以提升图像的细节，使得边缘和纹理信息更加清晰，尤其是在灰度分布不均匀或者对比度较低的场景下。 本文将深入探讨灰度图对比矫正的基本原理和常用方法，并提供Python代码实例，展示如何使用OpenCV和NumPy库进行图像对比矫正处理。
20190712记录3：图像拼接融合加入亮度平衡
weixin_30414245的博客
07-12 1271
11、目前的效果渐变已处理好。但是还存在亮度不平衡的缺点。 // Imagejoint.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include "Imagejoint.h" #include <afxwin.h> #ifdef _DEBUG #define new DEBUG_NEW #endif #incl...
OpenCV学习：基础图像操作 (三)：对比度与亮度调整，图片融合
fan1102958151的博客
06-26 922
图片对比度与亮度 在图像像素公式g(x)=a*f(x)+b其中： 参数f(x)表示源图像像素。 参数g(x) 表示输出图像像素。 参数a（需要满足a>0）被称为增益（gain），常常被用来控制图像的对比度。 参数b通常被称为偏置（bias），常常被用来控制图像的亮度。 图片融合 意义：将多张图片中的信息关联起来，使得单张图片包含更多的信息元素，方便后续地控制处理。 方法：基于深度学习：使用GAN网络生成，使用编解码网络生成，使用特征图融合技术等 基于图像处理：像素...
OpenCV图像处理：调整亮度和对比度实战教程
weixin_42527589的博客
03-14 928
亮度是物理学中的一个概念，通常指的是单位面积的光线发射或反射能力，其单位是尼特（nit），代表每平方米一坎德拉的亮度。在图像处理领域，亮度指的是图像中各个像素的明暗程度，决定了我们观察到的图像是否明亮或者暗淡。在数学上，图像的亮度可以通过像素值的加权平均来表示，即图像的亮度L可以定义为像素强度值的线性组合，一般表示为：其中( w_i )是第i个像素的权重，( I_i )是对应的像素强度值。对比度是描述图像中明暗区域差异的量度，反映了一个图像中不同区域的亮度对比强度。
opencv计算图像亮度调节_opencv调整图像亮度对比度
weixin_39846553的博客
12-20 894
图像处理图像变换就是找到一个函数,把原始图像矩阵经过函数处理后,转换为目标图像矩阵.可以分为两种方式,即像素级别的变换和区域级别的变换Point operators (pixel transforms)Neighborhood (area-based) operators像素级别的变换就相当于\(p_{after}(i,j) = f(p_{before}(i,j))\),即变换后的每个像素值都与变...
opencv-python图像增强四：多曝光融合（方法一）
HanWenKing的博客
08-09 2932
在摄影和计算机视觉领域，高动态范围（HDR）技术已经成为了捕捉丰富细节和真实感图像的重要手段。然而，要实现高质量的HDR效果，我们需要对多张不同曝光时间的图像进行融合处理。本文将探讨多曝光融合技术的基本原理和应用，帮助您深入了解这一技术如何捕捉更丰富、更真实的世界。在自然界中，我们的眼睛能够感知从最暗到最亮的广阔亮度范围。然而，传统的相机传感器和显示设备却无法捕捉到这一完整的亮度范围，导致图像在亮度上出现失真。为了解决这一问题，HDR技术应运而生。
C++ OpenCV 图像拼接融合
m0_56051805的博客
08-03 9077
C++ OpenCV 图像拼接融合
计算机视觉_OpenCV图像处理库_C编程接口_Ubuntu环境配置_Eclipse集成开发_图像像素操作_模糊滤波算法_对比度亮度调整_颜色空间转换_通道分离合并_滑动条控件_几何图形绘制_.zip
最新发布
05-31
通过调整图像的对比度和亮度，可以改善图像的视觉效果，使其更适合人眼观察或满足特定的应用需求。 颜色空间转换是将图像从一种颜色空间转换到另一种颜色空间的过程。常见的颜色空间包括RGB、HSV、YCrCb等。了解和...
Python与OpenCV图像处理详解：从基础到进阶！
**My Coding Family**
03-04 795
🏆本文收录于「编程与技术实战」专栏，此专栏涵盖了C/C++编程、人工智能、数据结构、机器学习等技术领域的内容，助你早日登顶实现财富自由🚀；同时，欢迎大家关注&&收藏&&订阅！持续更新中，up！up！up！！
【图像处理】用Python和OpenCV实现简单的图像增强与特征提取
一个被知识诅咒的人
11-28 1549
图像处理是计算机视觉领域的重要基础，而图像增强和特征提取是其中的关键技术。本文将详细探讨如何使用 Python 和 OpenCV 实现图像增强与特征提取。通过具体示例，我们将介绍滤波、直方图均衡化、边缘检测、特征点提取等技术的原理及实现方式。同时，文章包含丰富的代码和详细的中文注释，帮助读者快速掌握 OpenCV 的常用操作。无论是刚入门的图像处理爱好者，还是需要快速实现功能的开发者，都能从本文中找到实用的指导。
【OpenCV】（五）—— 图像融合
麦田里的稻草人的博客
10-15 3005
本文介绍opencv中的图像融合，详解了加权平均融合以及分辨率金字塔的使用
opencv——调整图像亮度、对比度
路人coder
01-13 768
这里写目录标题图像变换调整图像亮度、对比度原理相关API代码演示效果 图像变换 像素变换——点操作 领域操作——区域操作 领域操作多用于卷积，特征提取、图像梯度计算、更深度的一些匹配识别等、角点检测、模糊、平滑等 调整图像亮度、对比度 调整图像亮度、对比度，属于点操作 https://blog.youkuaiyun.com/qq_28258885/article/details/112468892 点操作参考这一篇 原理 RGB的值越大，图像越接近白色，在视觉效果来看，亮度越大， RGB的值越小，图像越接近黑色，
OpenCV常见的优化方法和技巧总结
热门推荐
AI吃大瓜的博客
02-24 2万+
OpenCV常见的优化方法和技巧总结 【尊重原创，转载请注明出处】http://blog.youkuaiyun.com/guyuealian/article/details/78540206 目录 OpenCV常见的优化方法和技巧总结 一、OpenCV常见的优化方法总结 1.1 cv::imread()设置reduce模式： 1.2 查表法：LUT， 1.3 像素遍历 1.4 ope...
图像评价 matlab_MATLAB图像融合评价系统[GUI界面，万字文档]
weixin_36167031的博客
01-22 660
1.应用背景及意义本课题利用小波变换进行图像的融合，然后对融合的结果进行图像质量的评价。所谓小波变换图像融合就是对多个的信息目标进行一系列的图像提取和合成，进而可以获得对同一个信息目标的更为精确、全面、可靠的高低频图像信息描述。并且也可以充分利用不同的信息源，实现图像的冗余性和信息的互补性，有效地改善和提高了图像的信息清晰度和图像的可观察性。本设计研究论文主要是讲解了小波变换的定义，图像融合的基本...
Python+Opencv识别两张相似图片
weixin_42367071的博客
06-03 2004
文章转载：https://www.aliyun.com/jiaocheng/464559.html default...
使用opencv进行文本增强
Billie使劲学的博客
08-18 1501
2.然后，使用 cv2.threshold() 函数对图像进行二值化处理，使用 Otsu's 阈值法自动确定阈值，并将结果存储在变量 binary_image 中。3.接下来，创建一个 3x3 的方形结构元素，并使用 cv2.dilate() 函数对二值化图像进行膨胀操作，将结果存储在变量 dilated_image 中。5.使用 cv2.imshow() 函数显示增强后的图像，并使用 cv2.waitKey(0) 等待用户按下任意键继续。
opencv基础（四）调节图像的亮度和对比度
qq_34062754的博客
01-25 1146
我们首先要知道，进行图像变换主要有两种方式： 1、基于像素操作--即点操作。比如调节图像的对比度和亮度。 2、基于领域操作--区域。比如卷积，提取特征等等。 那么调节图像的亮度和对比度，是基于像素操作，属于点操作范畴。 先来看看公式。 其中f(i,j)就是原始图像某个像素点的值，而g(i，j)是新的像素点的值。 我们可以看到，是调节图像的亮度的，为什么这么说呢，在Opencv中图...
python比较两个列表的重合度_Python+Opencv识别两张相似图片
weixin_39905037的博客
02-21 1233
在网上看到python做图像识别的相关文章后，真心感觉python的功能实在太强大，因此将这些文章总结一下，建立一下自己的知识体系。当然了，图像识别这个话题作为计算机科学的一个分支，不可能就在本文简单几句就说清，所以本文只作基本算法的科普向。看到一篇博客是介绍这个，但他用的是PIL中的Image实现的，感觉比较麻烦，于是利用Opencv库进行了更简洁化的实现。相关背景要识别两张相似图像，我们从感性...
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