OpenCV+Qt实现图像处理操作工具的示例代码

目录
  • 一、目标
  • 二、使用Qt界面
  • 三、图像处理操作完整代码

一、目标

Qt界面实现 雪花屏 高斯模糊 中值滤波 毛玻璃 灰度化 XY方向模糊 双边模糊 腐蚀 [图像处理操作]

要求左边原图,右边效果图

结果展示如下:[图像处理实现有点多,就不一个一个地展示了,各别展示如下]

雪花屏

毛玻璃

灰度化处理

二、使用Qt界面

使用到Qt中的UI设计界面

设计好界面之后最好先保存

对每一个按钮设计槽函数

三、图像处理操作完整代码

难点在于:Qt是QImage而OpenCV是Mat,需要Mat转QImage才能在Qt界面中进行图片的正常显示

头文件中导入opencv包

#ifndef WIDGET_H
#define WIDGET_H
#include<opencv2/opencv.hpp>
#include <QWidget>
using namespace cv;

QT_BEGIN_NAMESPACE
namespace Ui {class Widget;}
QT_END_NAMESPACE

class Widget : public QWidget
{
    Q_OBJECT
public:
//  Widget(QWidget *parent = nullptr);
    explicit Widget(QWidget *parent = 0);
    ~Widget();

private slots:
    void on_pushButton_clicked();//雪花屏
    void on_pushButton_2_clicked();//高斯模糊
    void on_pushButton_3_clicked();//中值滤波
    void on_pushButton_4_clicked();//毛玻璃
    void on_pushButton_5_clicked();//灰度化
    void on_pushButton_6_clicked();//XY方向模糊
    void on_pushButton_7_clicked();//双边模糊
    void on_pushButton_8_clicked();//腐蚀
private:
    Ui::Widget *ui;
    Mat srcimage;//原图
};

#endif // WIDGET_H

源文件中实现图像处理方法

#include "widget.h"
#include "ui_widget.h"

Widget::Widget(QWidget *parent) :
    QWidget(parent),
    ui(new Ui::Widget)
{
    ui->setupUi(this);
}

Widget::~Widget()
{
    delete ui;
}

//雪花屏
void Widget::on_pushButton_clicked()
{
    //读取原始图片
    Mat srcimage = imread("D:/000imageopencv/efls111.jpg");
    //Mat转QImage 颜色
    cvtColor(srcimage,srcimage,CV_BGR2RGB);
    //Mat转QImage 像素   oldlabel放置原图
    QImage disimage = QImage(srcimage.data,srcimage.cols,srcimage.rows,srcimage.cols*srcimage.channels(),QImage::Format_RGB888);
    disimage = disimage.scaled(ui->oldlabel->width(),ui->oldlabel->height());
    ui->oldlabel->setPixmap(QPixmap::fromImage(disimage));

    //像素二维矩阵函数
    int rows = srcimage.rows;
    //像素二维矩阵列数
    int cols = srcimage.cols * srcimage.channels();
    for(int i=0;i<rows;i++)
    {
        uchar * data = srcimage.ptr<uchar>(i);
        for(int j=0;j<cols;j++)
        {
            //雪花屏特效
            int q = rand()%cols;
            data[q]=155;//某些通道随机改成155
        }
    }
    //Mat转QImage 像素   newlabel放置图像处理后图片
    QImage disimage2 = QImage(srcimage.data,srcimage.cols,srcimage.rows,srcimage.cols*srcimage.channels(),QImage::Format_RGB888);
    disimage2 = disimage2.scaled(ui->newlabel->width(),ui->newlabel->height());
    ui->newlabel->setPixmap(QPixmap::fromImage(disimage2));
}

//高斯模糊
void Widget::on_pushButton_2_clicked()
{
    //读取原始图片
    Mat srcimage = imread("D:/000imageopencv/efls111.jpg");
    //Mat转QImage 颜色
    cvtColor(srcimage,srcimage,CV_BGR2RGB);
    //Mat转QImage 像素   oldlabel放置原图
    QImage disimage = QImage(srcimage.data,srcimage.cols,srcimage.rows,srcimage.cols*srcimage.channels(),QImage::Format_RGB888);

    Mat retimage;
    //高斯模糊
    GaussianBlur(srcimage,retimage,Size(5,5),0,0);

    //Mat转QImage 像素   newlabel放置图像处理后图片
    QImage disimage2 = QImage(retimage.data,retimage.cols,retimage.rows,retimage.cols*retimage.channels(),QImage::Format_RGB888);
    disimage2 = disimage2.scaled(ui->newlabel->width(),ui->newlabel->height());
    ui->newlabel->setPixmap(QPixmap::fromImage(disimage2));
}

//中值滤波
void Widget::on_pushButton_3_clicked()
{
    //读取原始图片
    Mat srcimage = imread("D:/000imageopencv/efls111.jpg");
    //Mat转QImage 颜色
    cvtColor(srcimage,srcimage,CV_BGR2RGB);
    //Mat转QImage 像素   oldlabel放置原图
    QImage disimage = QImage(srcimage.data,srcimage.cols,srcimage.rows,srcimage.cols*srcimage.channels(),QImage::Format_RGB888);
    disimage = disimage.scaled(ui->oldlabel->width(),ui->oldlabel->height());
    ui->oldlabel->setPixmap(QPixmap::fromImage(disimage));

    Mat retumage;
    //中值滤波
    medianBlur(srcimage,retumage,5);

    //Mat转QImage 像素   newlabel放置图像处理后图片
    QImage disimage2 = QImage(retumage.data,retumage.cols,retumage.rows,retumage.cols*retumage.channels(),QImage::Format_RGB888);
    disimage2 = disimage2.scaled(ui->newlabel->width(),ui->newlabel->height());
    ui->newlabel->setPixmap(QPixmap::fromImage(disimage2));
}

//毛玻璃
void Widget::on_pushButton_4_clicked()
{
    //读取原始图片
    Mat srcimage = imread("D:/000imageopencv/efls111.jpg");
    //Mat转QImage 颜色
    cvtColor(srcimage,srcimage,CV_BGR2RGB);
    //Mat转QImage 像素   oldlabel放置原图
    QImage disimage = QImage(srcimage.data,srcimage.cols,srcimage.rows,srcimage.cols*srcimage.channels(),QImage::Format_RGB888);
    disimage = disimage.scaled(ui->oldlabel->width(),ui->oldlabel->height());
    ui->oldlabel->setPixmap(QPixmap::fromImage(disimage));

    //毛玻璃
    RNG rng;
    int random;
    int num = 5;
    for(int i=0;i<srcimage.rows -num;i++)
    {
        for(int j=0;j<srcimage.cols -num;j++)
        {
            //通过rng返回0-15随机数
            random = rng.uniform(0,num);
            srcimage.at<Vec3b>(i,j)[0] = srcimage.at<Vec3b>(i+random,j+random)[0];
            srcimage.at<Vec3b>(i,j)[1] = srcimage.at<Vec3b>(i+random,j+random)[1];
            srcimage.at<Vec3b>(i,j)[2] = srcimage.at<Vec3b>(i+random,j+random)[2];
        }
    }

    //Mat转QImage 像素   newlabel放置图像处理后图片
    QImage disimage2 = QImage(srcimage.data,srcimage.cols,srcimage.rows,srcimage.cols*srcimage.channels(),QImage::Format_RGB888);
    disimage2 = disimage2.scaled(ui->newlabel->width(),ui->newlabel->height());
    ui->newlabel->setPixmap(QPixmap::fromImage(disimage2));
}

//灰度化
void Widget::on_pushButton_5_clicked()
{
    //读取原始图片
    Mat srcimage = imread("D:/000imageopencv/efls111.jpg");
    //Mat转QImage 颜色
    cvtColor(srcimage,srcimage,CV_BGR2RGB);
    //Mat转QImage 像素   oldlabel放置原图
    QImage disimage = QImage(srcimage.data,srcimage.cols,srcimage.rows,srcimage.cols*srcimage.channels(),QImage::Format_RGB888);
    disimage = disimage.scaled(ui->oldlabel->width(),ui->oldlabel->height());
    ui->oldlabel->setPixmap(QPixmap::fromImage(disimage));

    Mat retumage;
    //灰度处理 灰度是单通道8位 QImage是24位三通道
    cvtColor(srcimage,retumage,CV_BGR2GRAY);
    cvtColor(retumage,retumage,CV_GRAY2BGR);

    //Mat转QImage 像素   newlabel放置图像处理后图片
    QImage disimage2 = QImage(retumage.data,retumage.cols,retumage.rows,retumage.cols*retumage.channels(),QImage::Format_RGB888);
    disimage2 = disimage2.scaled(ui->newlabel->width(),ui->newlabel->height());
    ui->newlabel->setPixmap(QPixmap::fromImage(disimage2));
}

//XY方向模糊
void Widget::on_pushButton_6_clicked()
{
    //读取原始图片
    Mat srcimage = imread("D:/000imageopencv/efls111.jpg");
    //Mat转QImage 颜色
    cvtColor(srcimage,srcimage,CV_BGR2RGB);
    //Mat转QImage 像素   oldlabel放置原图
    QImage disimage = QImage(srcimage.data,srcimage.cols,srcimage.rows,srcimage.cols*srcimage.channels(),QImage::Format_RGB888);
    disimage = disimage.scaled(ui->oldlabel->width(),ui->oldlabel->height());
    ui->oldlabel->setPixmap(QPixmap::fromImage(disimage));

    Mat retumage;
    //xy轴模糊
    blur(srcimage,retumage,Size(10,10));

    //Mat转QImage 像素   newlabel放置图像处理后图片
    QImage disimage2 = QImage(retumage.data,retumage.cols,retumage.rows,retumage.cols*retumage.channels(),QImage::Format_RGB888);
    disimage2 = disimage2.scaled(ui->newlabel->width(),ui->newlabel->height());
    ui->newlabel->setPixmap(QPixmap::fromImage(disimage2));
}

//双边模糊
void Widget::on_pushButton_7_clicked()
{
    //读取原始图片
    Mat srcimage = imread("D:/000imageopencv/efls111.jpg");
    //Mat转QImage 颜色
    cvtColor(srcimage,srcimage,CV_BGR2RGB);
    //Mat转QImage 像素   oldlabel放置原图
    QImage disimage = QImage(srcimage.data,srcimage.cols,srcimage.rows,srcimage.cols*srcimage.channels(),QImage::Format_RGB888);
    disimage = disimage.scaled(ui->oldlabel->width(),ui->oldlabel->height());
    ui->oldlabel->setPixmap(QPixmap::fromImage(disimage));

    Mat retumage;
    //双倍模糊
    cv::bilateralFilter(srcimage,retumage,15,120,10,4);

    //Mat转QImage 像素   newlabel放置图像处理后图片
    QImage disimage2 = QImage(retumage.data,retumage.cols,retumage.rows,retumage.cols*retumage.channels(),QImage::Format_RGB888);
    disimage2 = disimage2.scaled(ui->newlabel->width(),ui->newlabel->height());
    ui->newlabel->setPixmap(QPixmap::fromImage(disimage2));
}

//腐蚀
void Widget::on_pushButton_8_clicked()
{
    //读取原始图片
    Mat srcimage = imread("D:/000imageopencv/efls111.jpg");
    //Mat转QImage 颜色
    cvtColor(srcimage,srcimage,CV_BGR2RGB);
    //Mat转QImage 像素   oldlabel放置原图
    QImage disimage = QImage(srcimage.data,srcimage.cols,srcimage.rows,srcimage.cols*srcimage.channels(),QImage::Format_RGB888);
    disimage = disimage.scaled(ui->oldlabel->width(),ui->oldlabel->height());
    ui->oldlabel->setPixmap(QPixmap::fromImage(disimage));

    Mat retumage;
    //腐蚀
    Mat element = cv::getStructuringElement(MORPH_RECT,Size(5,5));
    cv::erode(srcimage,retumage,element);

    //Mat转QImage 像素   newlabel放置图像处理后图片
    QImage disimage2 = QImage(retumage.data,retumage.cols,retumage.rows,retumage.cols*retumage.channels(),QImage::Format_RGB888);
    disimage2 = disimage2.scaled(ui->newlabel->width(),ui->newlabel->height());
    ui->newlabel->setPixmap(QPixmap::fromImage(disimage2));
}

主入口Qt窗口显示

#include "widget.h"
#include <QApplication>

int main(int argc, char *argv[])
{
    QApplication a(argc, argv);
    Widget w;
    w.show();
    return a.exec();
}

以上就是OpenCV+Qt实现图像处理操作工具的示例代码的详细内容,更多关于OpenCV Qt图像处理的资料请关注我们其它相关文章!

(0)

相关推荐

  • OpenCV图像处理GUI功能

    目录 一.图像入门 1.读取图像 2.显示图像 3.保存图像 二.视频入门 1.用相机捕捉视频 2.播放视频文件 3.保存视频 总结 OpenCV图像处理 一.图像入门 1.读取图像 使用 cv.imread() 函数读取一张图像,图片应该在工作目录中,或者应该提供完整的图像路径.第二个参数是一个 flag,指定了应该读取图像的方式 cv.IMREAD_COLOR:加载彩色图像,任何图像的透明度都会被忽略,它是默认标志cv.IMREAD_GRAYSCALE:以灰度模式加载图像cv.IMREAD_

  • 基于Qt OpenCV的图像灰度化像素操作详解

    效果图 实现代码 #ifndef WIDGET_H #define WIDGET_H #include <QWidget> #include<opencv2/opencv.hpp> using namespace cv; QT_BEGIN_NAMESPACE namespace Ui { class Widget; } QT_END_NAMESPACE class Widget : public QWidget { Q_OBJECT public: Widget(QWidget *

  • C++ OpenCV中几种基本的图像处理方式

    目录 一.图像显示 1.OpenCV的命名空间 2.Mat类简析 3.图像的载入:imread()函数 4.imshow()函数 二.图像腐蚀和膨胀 三.图像模糊 四.canny边缘检测 虽然单单要做车牌号识别的话不需要特别多种类的图像处理,但是我们不能只是为了这么一个目标去学习,所以这次就讲一些OpenCV里基本的图像处理,大家以后可以根据需求使用不同的图像处理. 一.图像显示 [打开Visual Studio]→[新建项目]→[Win32控制台应用项目(修改名称后点确定)]→[下一步]→[空

  • 基于Qt OpenCV实现图像数据采集软件

    效果图 示例代码 #ifndef WIDGET_H #define WIDGET_H #include <QWidget> #include<QTimer> #include<QDebug> #include<QDateTime> #include<opencv2/opencv.hpp> using namespace cv; using namespace std; QT_BEGIN_NAMESPACE namespace Ui { class

  • C++ opencv图像处理实现图像腐蚀和膨胀示例

    目录 1 概念 2 膨胀 3 腐蚀 1 概念 1.1 腐蚀跟膨胀是最基本的形态学运算 1.2 腐蚀跟膨胀是对图像的白色的部分(亮光部分)进行操作 1.3 腐蚀是对亮光部分进行腐蚀 拥有比原图更小的亮光部分 1.4 膨胀是对亮光部分进行膨胀 拥有比原图更大的亮光部分 这里有一个误区 假如说在图片上的一个字,很多人都会认为膨胀是将图片上的字进行膨胀放大实则不然 可以看到膨胀是将图片上的亮色区域进行放大,字就会变得更小,结构体够大的情况下,字就会看不见了** 可以看到腐蚀是将图片上的亮色区域进行放小,

  • OpenCV+Qt实现图像处理操作工具的示例代码

    目录 一.目标 二.使用Qt界面 三.图像处理操作完整代码 一.目标 Qt界面实现 雪花屏 高斯模糊 中值滤波 毛玻璃 灰度化 XY方向模糊 双边模糊 腐蚀 [图像处理操作] 要求左边原图,右边效果图 结果展示如下:[图像处理实现有点多,就不一个一个地展示了,各别展示如下] 雪花屏 毛玻璃 灰度化处理 二.使用Qt界面 使用到Qt中的UI设计界面 设计好界面之后最好先保存 对每一个按钮设计槽函数 三.图像处理操作完整代码 难点在于:Qt是QImage而OpenCV是Mat,需要Mat转QImag

  • OpenCV+Qt实现图像处理操作

    本文实例为大家分享了OpenCV+Qt实现图像处理操作的具体代码,供大家参考,具体内容如下 一.目标 Qt界面实现 雪花屏 高斯模糊 中值滤波 毛玻璃 灰度化 XY方向模糊 双边模糊 腐蚀 [图像处理操作] 要求左边原图,右边效果图 结果展示如下:[图像处理实现有点多,就不一个一个地展示了,各别展示如下] 雪花屏 毛玻璃 灰度化处理 二.使用Qt界面 使用到Qt中的UI设计界面 设计好界面之后最好先保存 对每一个按钮设计槽函数 三.图像处理操作完整代码 难点在于:Qt是QImage而OpenCV

  • Python 利用OpenCV给照片换底色的示例代码

    OpenCV的全称是:Open Source Computer Vision Library.OpenCV是一个基于BSD许可(开源)发行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,同时提供了Python.Ruby.MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法.相比于PIL库来说OpenCV更加强大, 可以做更多更复杂的应用,比如人脸识别等. 1. 读入并显示图片 im

  • Python+OpenCV实现分水岭分割算法的示例代码

    目录 前言 1.使用分水岭算法进行分割 2.Watershed与random walker分割对比 前言 分水岭算法是用于分割的经典算法,在提取图像中粘连或重叠的对象时特别有用,例如下图中的硬币. 使用传统的图像处理方法,如阈值和轮廓检测,我们将无法从图像中提取每一个硬币,但通过利用分水岭算法,我们能够检测和提取每一个硬币. 在使用分水岭算法时,我们必须从用户定义的标记开始.这些标记可以通过点击手动定义,或者我们可以使用阈值和/或形态学操作等方法自动或启发式定义它们. 基于这些标记,分水岭算法将

  • OpenCV 表盘指针自动读数的示例代码

    前段时间参加了一个表盘指针读数的比赛,今天来总结一下 数据集一共有一千张图片: 方法一:径向灰度求和 基本原理: 将图像以表盘圆心转换成极坐标,然后通过矩阵按行求和找到二值图最大值即为指针尖端 导入需要用到的包 import cv2 as cv import numpy as np import math from matplotlib import pyplot as plt import os 图像预处理 去除背景:利用提取红色实现 def extract_red(image): "&quo

  • python使用OpenCV模块实现图像的融合示例代码

    可以通过OpenCV函数cv.add()或简单地通过numpy操作添加两个图像,res = img1 + img2.两个图像应该具有相同的深度和类型,或者第二个图像可以是标量值. 三种融合 注意融合时,一般来说两个图像的尺寸是一样大小的,如果大小不一样,需要把大的图像的某一部分先截出来,与小的图先融合,再作为整体替换掉原来大图中抠出的小图部分. """ # @Time : 2020/4/3 # @Author : JMChen """ impor

  • 用opencv给图片换背景色的示例代码

    图像平滑 模糊/平滑图片来消除图片噪声 OpenCV函数:cv2.blur(), cv2.GaussianBlur(), cv2.medianBlur(), cv2.bilateralFilter() 2D 卷积 OpenCV中用cv2.filter2D()实现卷积操作,比如我们的核是下面这样(3×3区域像素的和除以10): img = cv2.imread('lena.jpg') # 定义卷积核 kernel = np.ones((3, 3), np.float32) / 10 # 卷积操作,

  • Python Opencv实现单目标检测的示例代码

    一 简介 目标检测即为在图像中找到自己感兴趣的部分,将其分割出来进行下一步操作,可避免背景的干扰.以下介绍几种基于opencv的单目标检测算法,算法总体思想先尽量将目标区域的像素值全置为1,背景区域全置为0,然后通过其它方法找到目标的外接矩形并分割,在此选择一张前景和背景相差较大的图片作为示例. 环境:python3.7 opencv4.4.0 二 背景前景分离 1 灰度+二值+形态学 轮廓特征和联通组件 根据图像前景和背景的差异进行二值化,例如有明显颜色差异的转换到HSV色彩空间进行分割. 1

  • OpenCV绘制圆端矩形的示例代码

    目录 功能函数 测试代码 测试效果 本文主要介绍了OpenCV绘制圆端矩形的示例代码,分享给大家,具体如下: 功能函数 // 绘制圆端矩形(药丸状,pill) void DrawPill(cv::Mat mask, const cv::RotatedRect &rotatedrect, const cv::Scalar &color, int thickness, int lineType) { cv::Mat canvas = cv::Mat::zeros(mask.size(), CV

  • C/C++ QT实现自定义对话框的示例代码

    对话框分为多种,常见的有通用对话框,自定义对话框,模态对话框,非模态对话框等,其中通用对话框包括了,QFileDialog文件对话框,QColorDialog颜色对话框,QFontDialog字体对话框,QInputDialog输入对话框等,自定义对话框则主要是实现自己布局的简单页面,区别于窗体对话框则显得更加简单一些,除对话框外,多窗体设计也是最常用的,例如多窗体嵌入,MID窗体等,下面则是每种窗体的代码总结. 创建自定义窗体 1.首先使用两个控件,TableView主要是表格处理,TreeV

随机推荐