二、学习笔记之opencv创建Trackbar & 图像对比度、亮度值调整

来源：互联网发布：您的java版本不安全编辑：程序博客网时间：2024/05/24 05:16

原文章链接： http://blog.csdn.net/poem_qianmo/article/details/22745559

<1>创建轨迹条——createTrackbar函数详解

createTrackbar这个函数我们以后会经常用到，它创建一个可以调整数值的轨迹条，并将轨迹条附加到指定的窗口上，使用起来很方便。首先大家要记住，它往往会和一个回调函数配合起来使用。先看下他的函数原型：

[cpp] view plaincopyprint?
C++: int createTrackbar(conststring& trackbarname, conststring& winname,  
 int* value, int count, TrackbarCallback onChange=0,void* userdata=0);  

第一个参数，const string&类型的trackbarname，表示轨迹条的名字，用来代表我们创建的轨迹条。
第二个参数，const string&类型的winname，填窗口的名字，表示这个轨迹条会依附到哪个窗口上，即对应namedWindow（）创建窗口时填的某一个窗口名。
第三个参数，int* 类型的value，一个指向整型的指针，表示滑块的位置。并且在创建时，滑块的初始位置就是该变量当前的值。
第四个参数，int类型的count，表示滑块可以达到的最大位置的值。PS:滑块最小的位置的值始终为0。
第五个参数，TrackbarCallback类型的onChange，首先注意他有默认值0。这是一个指向回调函数的指针，每次滑块位置改变时，这个函数都会进行回调。并且这个函数的原型必须为void XXXX(int,void*);其中第一个参数是轨迹条的位置，第二个参数是用户数据（看下面的第六个参数）。如果回调是NULL指针，表示没有回调函数的调用，仅第三个参数value有变化。
第六个参数，void*类型的userdata，他也有默认值0。这个参数是用户传给回调函数的数据，用来处理轨迹条事件。如果使用的第三个参数value实参是全局变量的话，完全可以不去管这个userdata参数。

这个createTrackbar函数，为我们创建一个具有特定名称和范围的轨迹条（Trackbar，或者说是滑块范围控制工具），指定一个和轨迹条位置同步的变量。而且要指定回调函数onChange（第五个参数），在轨迹条位置改变的时候来调用这个回调函数。并且我们知道，创建的轨迹条显示在指定的winname（第二个参数）所代表的窗口上。

<2>获取当前轨迹条的位置——getTrackbarPos函数

这个函数用于获取当前轨迹条的位置并返回。

[cpp] view plaincopyprint?
C++: int getTrackbarPos(conststring& trackbarname, conststring& winname);  

第一个参数，const string&类型的trackbarname，表示轨迹条的名字。
第二个参数，const string&类型的winname，表示轨迹条的父窗口的名称。

这部分大概就是这些了。马不停蹄地向下一部分进发吧：）

二、亮度和对比度调整的理论依据

首先我们给出算子的概念。一般的图像处理算子都是一个函数，它接受一个或多个输入图像，并产生输出图像。下式给出了算子的一般形式：

或者

今天我们所讲解的图像亮度和对比度的调整操作，其实属于图像处理变换中比较简单的一种——点操作（pointoperators）。点操作有一个特点，仅仅根据输入像素值（有时可加上某些全局信息或参数），来计算相应的输出像素值。这类算子包括亮度（brightness）和对比度（contrast）调整，以及颜色校正（colorcorrection）和变换（transformations）。

最两种常用的点操作（或者说点算子），很显然，是乘上一个常数（对应对比度的调节）以及加上一个常数（对应亮度值的调节）。用公式表示出来就是这样：

看到这个式子，我们关于图像亮度和对比度调整的策略就呼之欲出了。

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。

而更近一步，我们这样改写这个式子：

其中，i 和 j 表示像素位于第i行和第j列。

那么，这个式子就可以用来作为我们在OpenCV中控制图像的亮度和对比度的理论公式了。

三、关于访问图片中的像素

访问图片中的像素有很多种方式，以后有机会浅墨会用个专题来讲解。目前我们可以先了解下面的这一种。

而为了执行这个运算，我们需要访问图像的每一个像素。因为是对GBR图像进行运算，每个像素有三个值（G、B、R），所以我们必须分别访问它们（PS:OpenCV中的图像存储模式为GBR）。以下是访问像素的代码片段，三个for循环解决问题：

[cpp] view plaincopyprint?
//三个for循环，执行运算 new_image(i,j) =a*image(i,j) + b  
for(int y = 0; y < image.rows; y++ )  
{  
       for(int x = 0; x < image.cols; x++ )  
       {  
              for(int c = 0; c < 3; c++ )  
              {  
                     new_image.at<Vec3b>(y,x)[c]= saturate_cast<uchar>( (g_nContrastValue*0.01)*(image.at<Vec3b>(y,x)[c] ) + g_nBrightValue );  
              }  
       }  
}  

让我们分三个方面进行讲解：

为了访问图像的每一个像素，我们使用这样的语法： image.at<Vec3b>(y,x)[c]
- 其中，y是像素所在的行， x是像素所在的列， c是R、G、B（对应0、1、2）其中之一。
因为我们的运算结果可能超出像素取值范围（溢出），还可能是非整数（如果是浮点数的话），所以我们要用saturate_cast对结果进行转换，以确保它为有效值。
这里的a也就是对比度，一般为了观察的效果，取值为0.0到3.0的浮点值，但是我们的轨迹条一般取值都会整数，所以在这里我们可以，将其代表对比度值的nContrastValue参数设为0到300之间的整型，在最后的式子中乘以一个0.01，这样就可以完成轨迹条中300个不同取值的变化。所以在式子中，我们会看到saturate_cast<uchar>( (g_nContrastValue*0.01)*(image.at<Vec3b>(y,x)[c] ) + g_nBrightValue )中的g_nContrastValue*0.01。

0 0