1.目的
2.图像处理
2.1 点算子（像素变换）
2.1.1 亮度和对比度调整
3 代码
4.说明
5.结果
1.目的
本篇教程中，你将学到：
- 访问像素值
- 用0初始化矩阵
- saturate_cast 是做什么用的，以及它为什么有用
- 一些有关像素变换的精彩内容
2.图像处理
- 一般来说，图像处理算子是带有一幅或多幅输入图像、产生一幅输出图像的函数。
- 图像变换可分为以下两种：
点算子（像素变换）
邻域（基于区域的）算子
2.1 点算子（像素变换）
在这一类图像处理变换中，仅仅根据输入像素值（有时可加上某些全局信息或参数）计算相应的输出像素值。
这类算子包括亮度和对比度调整 ，以及颜色校正和变换。
2.1.1 亮度和对比度调整
两种常用的点过程（即点算子），是用常数对点进行 乘法 和 加法 运算：
两个参数 α和 β 一般称作
增益 和 偏置 参数。我们往往用这两个参数来分别控制 对比度 和 亮度 。
你可以把f(x)看成源图像像素，把g(x)看成输出图像像素。这样一来，上面的式子就能写得更清楚些：
其中，i 和j 表示像素位于 第i行 和 第j列 。
3 代码
//
// ContrashAndBrightnessViewController.m
// OpenCVFirstChapter-ContrastAndBrightness
//
// Created by glodon on 2019/11/1.
// Copyright © 2019 persion. All rights reserved.
//
#ifdef __cplusplus
#import <opencv2/opencv.hpp>
#import <opencv2/imgcodecs/ios.h>
#import <opencv2/imgproc.hpp>
#import <opencv2/highgui.hpp>
#import <opencv2/core/operations.hpp>
#import <opencv2/core/core_c.h>
using namespace cv;
using namespace std;
#endif
#import "ContrashAndBrightnessViewController.h"
@interface ContrashAndBrightnessViewController ()
@property (nonatomic ,assign) Mat src1 ;
@end
@implementation ContrashAndBrightnessViewController
double alpha; /**< 控制对比度 */
int beta; /**< 控制亮度 */
- (void)viewDidLoad {
[super viewDidLoad];
UIImage * image = [UIImage imageNamed:@"lena.jpg"];
Mat src = [self cvMatFromUIImage:image];
cvtColor(src, _src1, COLOR_BGRA2BGR);
UIImageView *imageView;
imageView = [self createImageViewInRect:CGRectMake(0, 100, 150, 150)];
[self.view addSubview:imageView];
imageView.image = [self UIImageFromCVMat:self.src1];
[self createSliderFrame:CGRectMake(0, 450, 100, 40) maxValue:3 minValue:0 block:^(float value) {
NSLog(@"[alpha]: %f",value);
alpha = value;
[self createContrashAndBrightness];
[self createContrashAndBrightness1];
}];
[self createSliderFrame:CGRectMake(0, 550, 100, 40) maxValue:100 minValue:0 block:^(float value) {
beta = value;
NSLog(@"[beta]: %f",value);
[self createContrashAndBrightness];
[self createContrashAndBrightness1];
}];
}
-(void)createContrashAndBrightness1{
Mat new_image = Mat::zeros( self.src1.size(), self.src1.type() );
self.src1.convertTo(new_image, -1, alpha, beta);
UIImageView *imageView;
imageView = [self createImageViewInRect:CGRectMake(150, 250, 150, 150)];
[self.view addSubview:imageView];
imageView.image = [self UIImageFromCVMat:new_image];
}
-(void)createContrashAndBrightness{
Mat new_image = Mat::zeros( self.src1.size(), self.src1.type() );
for( int y = 0; y < self.src1.rows; y++ )
{
for( int x = 0; x < self.src1.cols; x++ )
{
for( int c = 0; c < 3; c++ )
{
new_image.at<Vec3b>(y,x)[c] = saturate_cast<uchar>( alpha*( self.src1.at<Vec3b>(y,x)[c] ) + beta );
}
}
}
UIImageView *imageView;
imageView = [self createImageViewInRect:CGRectMake(0, 250, 150, 150)];
[self.view addSubview:imageView];
imageView.image = [self UIImageFromCVMat:new_image];
}
#pragma mark - private
///rgbX
- (cv::Mat)cvMatFromUIImage:(UIImage *)image
{
CGColorSpaceRef colorSpace = CGImageGetColorSpace(image.CGImage);
CGFloat cols = image.size.width;
CGFloat rows = image.size.height;
Mat cvMat(rows, cols, CV_8UC4); // 8 bits per component, 4 channels (color channels + alpha)
CGContextRef contextRef = CGBitmapContextCreate(cvMat.data, // Pointer to data
cols, // Width of bitmap
rows, // Height of bitmap
8, // Bits per component
cvMat.step[0], // Bytes per row
colorSpace, // Colorspace
kCGImageAlphaNoneSkipLast |
kCGBitmapByteOrderDefault); // Bitmap info flags
CGContextDrawImage(contextRef, CGRectMake(0, 0, cols, rows), image.CGImage);
CGContextRelease(contextRef);
Mat dst;
cvtColor(cvMat, dst, COLOR_RGBA2BGRA);
return dst;
}
-(UIImage *)UIImageFromCVMat:(cv::Mat)cvMat
{
// mat 是brg 而 rgb
Mat src;
NSData *data=nil;
CGBitmapInfo info =kCGImageAlphaNone|kCGBitmapByteOrderDefault;
CGColorSpaceRef colorSpace;
if (cvMat.elemSize() == 1) {
colorSpace = CGColorSpaceCreateDeviceGray();
data= [NSData dataWithBytes:cvMat.data length:cvMat.elemSize()*cvMat.total()];
} else if(cvMat.elemSize() == 3){
cvtColor(cvMat, src, COLOR_BGR2RGB);
data= [NSData dataWithBytes:src.data length:src.elemSize()*src.total()];
colorSpace = CGColorSpaceCreateDeviceRGB();
}else{
colorSpace = CGColorSpaceCreateDeviceRGB();
cvtColor(cvMat, src, COLOR_BGRA2RGBA);
data= [NSData dataWithBytes:src.data length:src.elemSize()*src.total()];
info =kCGImageAlphaNoneSkipLast | kCGBitmapByteOrderDefault;
}
CGDataProviderRef provider = CGDataProviderCreateWithCFData((__bridge CFDataRef)data);
// Creating CGImage from cv::Mat
CGImageRef imageRef = CGImageCreate(cvMat.cols, //width
cvMat.rows, //height
8, //bits per component
8 * cvMat.elemSize(), //bits per pixel
cvMat.step[0], //bytesPerRow
colorSpace, //colorspace
kCGImageAlphaNone|kCGBitmapByteOrderDefault,// bitmap info
provider, //CGDataProviderRef
NULL, //decode
false, //should interpolate
kCGRenderingIntentAbsoluteColorimetric //intent
);
// Getting UIImage from CGImage
UIImage *finalImage = [UIImage imageWithCGImage:imageRef];
CGImageRelease(imageRef);
CGDataProviderRelease(provider);
CGColorSpaceRelease(colorSpace);
return finalImage;
}
@end
4.说明
- 1.我们定义了两个全局变量
double alpha; /**< 控制对比度 */
int beta; /**< 控制亮度 */
- 创建brg 三通道图像
UIImage * image = [UIImage imageNamed:@"lena.jpg"];
Mat src = [self cvMatFromUIImage:image];
cvtColor(src, _src1, COLOR_BGRA2BGR);
- 3.对图像运用公式进行计算
有两种方式进行计算
第一种
Mat new_image = Mat::zeros( self.src1.size(), self.src1.type() );
for( int y = 0; y < self.src1.rows; y++ )
{
for( int x = 0; x < self.src1.cols; x++ )
{
for( int c = 0; c < 3; c++ )
{
new_image.at<Vec3b>(y,x)[c] = saturate_cast<uchar>( alpha*( self.src1.at<Vec3b>(y,x)[c] ) + beta );
}
}
}
注意以下两点：
- 为了访问图像的每一个像素，我们使用这一语法： 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（0、1、2）之一。
- 因为α*p(i,j)+β 的运算结果可能超出像素取值范围，还可能是非整数（如果α 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。
第二种
直接运用公式
Mat new_image = Mat::zeros( self.src1.size(), self.src1.type() );
self.src1.convertTo(new_image, -1, alpha, beta);
5.结果
运行结果如图
网友评论