【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】
很多人一想到图像处理，本能的第一反应就是opencv，这也没有错。但是呢，这里面还是有一个问题的，不知道大家有没有想过，如果我们为了降低成本，需要把图像放到mcu来处理，这个时候应该怎么做呢？都知道，mcu的ram和flash都是有限的，根本无法容纳那么大的opencv库。所以，这边还是建议大家，opencv是可以用，但是基础的算法库最好还是可以自己写出来。
对于写算法的人来说，最麻烦的事情，莫过于图片的读取和保存了，算法本身一般并不是那么复杂。所以这部分好在qt已经帮我们做了一部分，我们直接拿QImage类就可以实现基础的算法编写了。
1、相关类
qt里面的QImage十分方便，输入路径，就是实现图片的保存和加载。
2、参考代码
如下面代码所示，这就是一个简单的图像处理代码，将原来的彩色图片，变成了灰色图片。整个应用没有界面，就是一个单纯的应用。所有的操作都放在了processImage函数里面。
#include <QImage>
#include <QDebug>
void processImage(QString inputPath, QString outputPath)
{
// load image
QImage inputImage(inputPath);
if (inputImage.isNull())
{
qDebug() << "Failed to load image";
return;
}
// get image infor
int width = inputImage.width();
int height = inputImage.height();
// loop to process pixel
for (int y = 0; y < height; ++y)
{
for (int x = 0; x < width; ++x)
{
QRgb pixel = inputImage.pixel(x, y);
// get data
int red = qRed(pixel);
int green = qGreen(pixel);
int blue = qBlue(pixel);
// get gray
int gray = qGray(red, green, blue);
// set gray
inputImage.setPixel(x, y, qRgb(gray, gray, gray));
}
}
// save data
if (!inputImage.save(outputPath))
{
qDebug() << "Failed to save processed image";
}
}
int main()
{
// set input and output path
QString inputPath = "D:/lena.png";
QString outputPath = "D:/lena_new.png";
// process image
processImage(inputPath, outputPath);
return 0;
}代码中因为还涉及到调试的部分，所以除了QImage之外，还需要把QDebug头文件包括进来。首先用QImage导入路径，判断是否为空，不为空则继续处理。接着获取图片的宽度和高度，依次获取图片的每个像素QRgb。读取到r、g、b之后，就可以通过qGray计算出对应的灰度值gray，这样最基本的算法就写好了。计算出来的gray通过setPixel保存在inputImage当中，并且在所有操作都完成之后，save到新的路径下面，这样图像处理就算是ok了。
3、实验和总结
记得读书的时候，有一门《数字图像处理》的课程。老师们为了方便同学们快速学习算法，很多图片的加载和读取工作，老师们会自己写一个动态库帮忙完成。现在有了QImage之后，无疑是更方便了。对于基础的算法，大家还是最好自己可以写出来、调试出来。
对于这个应用，大家先看一下能不能编译出来。编译出来之后，还要准备一张lena.png的图片，可以从这个地方下载，
https://github.com/mikolalysenko/lena/blob/master/lena.png接着启动应用，开始单步调试，如果没啥问题，应该就可以在D盘看到生成的新图片，打开看一下，如果发现是灰度图，那基本代表没有什么问题了。文章来源：https://www.toymoban.com/news/detail-817254.html
文章来源地址https://www.toymoban.com/news/detail-817254.html
到了这里，关于上位机图像处理和嵌入式模块部署（qt图像处理）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！
