OpenCV+Qt实现图像处理操作工具

这篇具有很好参考价值的文章主要介绍了OpenCV+Qt实现图像处理操作工具。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

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

本文福利,费领取Qt开发学习资料包、技术视频,内容包括(C++语言基础,C++设计模式,Qt编程入门,QT信号与槽机制,QT界面开发-图像绘制,QT网络,QT数据库编程,QT项目实战,QSS,OpenCV,Quick模块,面试题等等)↓↓↓↓↓↓见下面↓↓文章底部点击费领取↓↓

qt进行图像处理,Qt开发,qt,opencv,图像处理,qt教程,qt开发

 

毛玻璃

qt进行图像处理,Qt开发,qt,opencv,图像处理,qt教程,qt开发

 

灰度化处理

qt进行图像处理,Qt开发,qt,opencv,图像处理,qt教程,qt开发

 

二、使用Qt界面

使用到Qt中的UI设计界面

qt进行图像处理,Qt开发,qt,opencv,图像处理,qt教程,qt开发

 

设计好界面之后最好先保存

对每一个按钮设计槽函数

qt进行图像处理,Qt开发,qt,opencv,图像处理,qt教程,qt开发

 

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

qt进行图像处理,Qt开发,qt,opencv,图像处理,qt教程,qt开发

 

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();
}

本文福利,费领取Qt开发学习资料包、技术视频,内容包括(C++语言基础,C++设计模式,Qt编程入门,QT信号与槽机制,QT界面开发-图像绘制,QT网络,QT数据库编程,QT项目实战,QSS,OpenCV,Quick模块,面试题等等)↓↓↓↓↓↓见下面↓↓文章底部点击费领取↓↓文章来源地址https://www.toymoban.com/news/detail-738573.html

到了这里,关于OpenCV+Qt实现图像处理操作工具的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • QT图像处理类QImage常见使用方法

    Qt 是一个跨平台的 C++ 库,提供了丰富的图像处理功能,可以用来实现各种图像处理任务,例如图像缩放、旋转、灰度化、二值化等。本文将介绍使用 Qt 实现图像处理的方法,并提供代码示例。 在 Qt 中,可以使用 QImage 类型来加载和保存图像,QImage 支持多种图像格式,例如

    2024年02月03日
    浏览(66)
  • 【QT数字图像处理】(三)QSlider滑块学习

    实验二的要求是编程实现RGB彩色空间到HSV彩色空间的转换,并通过调整H、S、V实现图像色度、色饱和度和亮度的调节。在开始实验二之前,我们先来学习一下关于QSlider滑块的操作。 最后要实现的效果如下:用3个滑动条分别来调节RGB三个颜色分量的大小,并显示到左侧各自的

    2024年02月13日
    浏览(24)
  • Opencv 图像处理:图像基础操作与灰度转化

    本文已收录于Opencv系列专栏: 深入浅出OpenCV ,专栏旨在详解Python版本的Opencv,为计算机视觉的开发与研究打下坚实基础。免费订阅,持续更新。 1.图像格式 图像压缩比: 通过编码器压缩后的图象数字大小和原图象数字大小的压缩比。 BMP 格式 Windows系统下的 标准位图格式 ,

    2024年02月04日
    浏览(34)
  • OpenCV基本图像处理操作(一)——图像基本操作与形态学操作

    图像显示 转hsv图像 颜色表示为三个组成部分:色调(Hue)、饱和度(Saturation)和亮度(Value)。常用于图像处理中,因为它允许调整颜色的感知特性,如色彩和亮度,这些在RGB颜色模型中不那么直观。 HSV模型特别适用于任务如图像分割和对象追踪,因为它可以更好地处理光

    2024年04月22日
    浏览(37)
  • OpenCV基本图像处理操作(十)——图像特征harris角点

    角点 角点是图像中的一个特征点,指的是两条边缘交叉的点,这样的点在图像中通常表示一个显著的几角。在计算机视觉和图像处理中,角点是重要的特征,因为它们通常是图像中信息丰富的区域,可以用于图像分析、对象识别、3D建模等多种应用。 角点的识别可以帮助在进

    2024年04月23日
    浏览(35)
  • Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 视频图像处理基础操作 之 视频捕获/存储/提取/合成/合并

    目录 Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 视频图像处理基础操作 之 视频捕获/存储/提取/合成/合并 一、简单介绍 二、视频处理流程和原理 三、视频的捕获和存储 四、提取视频中的某些帧 五、将图片合成为视频 六、多个视频合并 Python是一种跨平台的计算机程序设计

    2024年04月10日
    浏览(75)
  • OpenCV图像处理学习十,图像的形态学操作——膨胀腐蚀

    一.形态学操作概念 图像形态学操作是指基于形状的一系列图像处理操作的合集,主要是基于集合论基础上的形态学数学对图像进行处理。 形态学有四个基本操作:腐蚀、膨胀、开操作、闭操作,膨胀与腐蚀是图像处理中最常用的形态学操作手段。 二.形态学操作-膨胀 跟卷积

    2024年02月05日
    浏览(36)
  • C++OpenCV(2):图像处理基础概念与操作

    🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 🔆 OpenCV项目地址及源代码:点击这里 通过 imread 我们可以读取一个图片 其形式如下: 而我们需要传递一个InputArray类型的参数,实际上就是 cv::Mat 如果创建cv::Mat呢? 可以通过 它的很多的构造函数 先来了解一下图片的 颜色通

    2024年02月16日
    浏览(27)
  • opencv 图像和视频处理的基本操作(python)

    原图:   1 图片的获取 主要通过cv2.imread(src)函数进行获取 2 图片的显示 3 ROI区域(图片截取) 4 图片的RGB通道划分 注意cv2.imread()获取的图片通过顺序为BGR,而非RGB,即B为0,G为1,R为2  保留R通道  保留G通道   保留B通道   5 RGB通道合成   6 边界填充 主要是通过cv2.copyMakeBo

    2023年04月21日
    浏览(39)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包