C++ opencv实现的把蓝底照片转化为白底照片功能完整示例

本文实例讲述了C++ opencv实现的把蓝底照片转化为白底照片功能。分享给大家供大家参考,具体如下:

#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;//包含cv命名空间
int main()
{
 char *origin="Original";
 char *window="Image";
 char *str="G:\\yay.jpg";
 namedWindow(origin,1);
 namedWindow(window,1);
 Mat image=imread(str);
 if(!image.data)
 {
  cout<<"图像载入出现问题"<<endl;
  return 0;
 }
 Mat roi=image(Rect(20,20,20,20));
 Mat hsvImg;
 cvtColor(image, hsvImg, CV_BGR2HSV); //将图像转换到HSV颜色空间
 //分离HSV空间,v[0]为H色调,v[1]为S饱和度,v[2]为v灰度
 vector<Mat> v;
 split(hsvImg,v);
 Mat roiH=v[0](Rect(20,20,20,20));
 Mat roiS=v[1](Rect(20,20,20,20));
 int SumH=0;
 int SumS=0;
 int avgH, avgS;//蓝底的平均色调和平均饱和度
 //取一块蓝色背景,计算出它的平均色调和平均饱和度
 for(int i=0; i<20; i++)
 {
  for(int j=0; j<20; j++)
  {
   /*SumH=SumH+roiH(i,j);*/
   SumH=int(roiH.at<uchar>(j,i))+SumH;
   SumS=int(roiS.at<uchar>(j,i))+SumS;
  }
 }
 avgH=SumH/400;
 avgS=SumS/400;
 //遍历整个图像
 int nl=hsvImg.rows;
 int nc=hsvImg.cols;
 int step=10;
 for(int j=0; j<nl; j++)
 {
  for(int i=0; i<nc; i++)
  {
   //以H.S两个通道做阈值分割,把蓝色替换成红色
   if((v[0].at<uchar>(j,i))<=(avgH+5) && v[0].at<uchar>(j,i)>=(avgH-5)
    &&(v[1].at<uchar>(j,i))<=(avgS+40) && v[1].at<uchar>(j,i)>=(avgS-40))
   {
    //cout<<int(v[0].at<uchar>(j,i))<<endl;
    //红色底
    //v[0].at<uchar>(j,i)=0;
    //白色底
    v[0].at<uchar>(j,i)=0;
    v[1].at<uchar>(j,i)=0; //V[0]和V[1]全调成0就是变成白色
    //绿色底
    //v[0].at<uchar>(j,i)=60;
    //蓝色底
    //v[0].at<uchar>(j,i)=120;
    /*cout<<int(v[0].at<uchar>(j,i))<<endl;*/
   }
  }
 }
 Mat finImg;
 merge(v,finImg);
 Mat rgbImg;
 cvtColor(finImg,rgbImg, CV_HSV2BGR); //将图像转换回RGB空间
 imshow(origin,image);
 imshow(window,rgbImg);
 //加个滤波把边缘部分的值滤掉(此处应该用低通滤波器,但感觉不太好,还是不用了。)
 Mat result;
 GaussianBlur(rgbImg,result,Size(3,3),0.5);
 imshow(window,result);
 imwrite("new.jpg",result);
 waitKey(0);
 //system("pause");
 return 0;
}

这个效果比之前要好,图片对比:

参考文章:https://www.jb51.net/article/176326.htm

希望本文所述对大家C++程序设计有所帮助。

(0)

相关推荐

  • 基于C++实现kinect+opencv 获取深度及彩色数据

    开发环境 vs2010+OPENCV2.4.10 首先,下载最新的Kinect 2 SDK  http://www.microsoft.com/en-us/kinectforwindows/develop/downloads-docs.aspx 下载之后不要插入Kinect,最好也不用插入除了键盘鼠标以外的其它USB设备,然后安装SDK,安装完成之后插入Kinect,会有安装新设备的提示.安装完成之后可以去"开始"那里找到两个新安装的软件,一个是可以显示Kinect深度图,另外一个软件

  • opencv3/C++关于移动对象的轮廓的跟踪详解

    使用opencv提供的背景去除算法(KNN或高斯混合模型GMM)去除背景,然后将获取的目标二值化后通过筛选目标轮廓获得目标位置. #include<opencv2/opencv.hpp> using namespace cv; //基于移动对象的轮廓的跟踪 int main() { Mat frame; bool flag = true; VideoCapture capture; capture.open(0); if (!capture.isOpened()) { printf("

  • opencv3/C++轮廓的提取与筛选方式

    轮廓提取 findContours发现轮廓 findContours( InputOutputArray binImg, //输入8bit图像,0值像素值不变,非0的像素看成1:(变为二值图像) OutputArrayOfArrays contours,//输出找到的轮廓对象 OutputArray, hierachy// 图像的拓扑结构 int mode, //轮廓返回的模式(RETR_TREE等) int method,//发现方法(CHAIN_APPROX_SIMPLE等) Point o

  • opencv3/C++ 直方图反向投影实例

    直方图反向投影: 即取直方图中的值,按直方图面积由大到小,对其对应的像素也由大到小赋予新值.即某种灰度值在图像中所占面积越大,其对应的像素的新值就越大:反之就越小. void calcBackProject( const Mat* images, //源数组/图像:有相同的大小和深度(CV_8U或CV_32F). int nimages,//源图像的数量 const int* channels, //计算反投影的通道列表:通道数量必须与直方图维度相匹配. InputArray hist,//输入

  • C++利用opencv实现人脸检测

    小编所有的帖子都是基于unbuntu系统的,当然稍作修改同样试用于windows的,经过小编的绞尽脑汁,把刚刚发的那篇python 实现人脸和眼睛的检测的程序用C++ 实现了,当然,也参考了不少大神的博客,下面我们就一起来看看: Linux系统下安装opencv我就再啰嗦一次,防止有些人没有安装没调试出来喷小编的程序是个坑, sudo apt-get install libcv-dev sudo apt-get install libopencv-dev 看看你的usr/share/opencv

  • opencv3/C++图像边缘提取方式

    canny算子实现 使用track bar 调整canny算子参数,提取到合适的图像边缘. #include<iostream> #include<opencv2/opencv.hpp> using namespace cv; void trackBar(int, void*); int s1=0,s2=0; Mat src, dst; int main() { src = imread("E:/image/image/daibola.jpg"); if(src

  • opencv3/C++ 将图片转换为视频的实例

    现有一些图片按顺序放置在一文件夹jogging1\下,如图: 需要将其合并转换为一个视频. 示例: 环境:Win7+OpenCV3+VS2012 #include<opencv2/opencv.hpp> #include <stdio.h> #include <io.h> #include <string> #include <iostream> #include <fstream> using namespace std; usin

  • opencv3/C++实现霍夫圆/直线检测

    霍夫直线检测 参数说明: cv::HoughLinesP( InputArray src, // 输入图像(8位灰度图像) OutputArray lines, // 输出直线两点坐标(vector<Vec4i>) double rho, // 生成极坐标时候的像素扫描步长 double theta, //生成极坐标时候的角度步长(一般取CV_PI/180) int threshold, // 累加器阈值,获得足够交点的极坐标点才被看成是直线 double minLineLength=0;//

  • opencv3/C++图像像素操作详解

    RGB图像转灰度图 RGB图像转换为灰度图时通常使用: 进行转换,以下尝试通过其他对图像像素操作的方式将RGB图像转换为灰度图像. #include<opencv2/opencv.hpp> #include<math.h> using namespace cv; int main() { //像素操作 Mat src,dst; src = imread("E:/image/image/daibola.jpg"); if(src.empty()) { printf

  • opencv3/C++ PHash算法图像检索详解

    PHash算法即感知哈希算法/Perceptual Hash algorithm,计算基于低频的均值哈希.对每张图像生成一个指纹字符串,通过对该字符串比较可以判断图像间的相似度. PHash算法原理 将图像转为灰度图,然后将图片大小调整为32*32像素并通过DCT变换,取左上角的8*8像素区域.然后计算这64个像素的灰度值的均值.将每个像素的灰度值与均值对比,大于均值记为1,小于均值记为0,得到64位哈希值. PHash算法实现 将图片转为灰度值 将图片尺寸缩小为32*32 resize(src

随机推荐