【opencv入门之四】Trackbar、图像对比度、亮度值调整

参考网站：

http://blog.csdn.net/poem_qianmo/article/details/21479533

1、轨迹条（Trackbar）

　　createTrackbar函数（创建轨迹条）

　　注意：它会和一个回调函数配合使用

C++: int createTrackbar(conststring& trackbarname,
    　　　　　　　　　　　　conststring& winname,
 　　　　　　　　　　　　　　int* value, 　　　　　　　　　　　　　　 int count,
　　　　　　　　　　　　　　 TrackbarCallback onChange=0,
　　　　　　　　　　　　　　 void* userdata=0);          

　　第一个参数：trackbarname，轨迹条的名字

　　第二个参数：winname，填窗口的名字，表示轨迹条会依附到哪个窗口上

　　第三个参数：value，一个指向整型的指针，表示滑块的位置。

　　第四个参数：count，表示滑块可以达到的最大值。

　　第五个参数：onChange，默认值为0，是一个指向回调函数的指针，每次滑块改变时都会进行回调。并且这个函数原型必须为：

　　　　　　　　void XXXXX（int，void*）；第一个参数：轨迹的位置。第二个参数：用户数据。

　　第六个参数：userdata，如果第三个参数value实参是全局变量的话，就不用管了。

//创建轨迹条  createTrackbar("对比度：",　　　　　　　　　"【效果图窗口】",　　　　　　　　　&g_nContrastValue,
　　　　　　　　　300,　　　　　　　　　ContrastAndBright );// g_nContrastValue为全局的整型变量，ContrastAndBright为回调函数的函数名（即指向函数地址的指针）

　　例子看回参考网站，这里就不具体描述了。例子是关于一个演示用轨迹条来控制轮廓检测的例子。

2、getTrackbarPos函数

　　获取当前轨迹条的位置。

C++: int getTrackbarPos(conststring& trackbarname, conststring& winname); 

　　第一个参数：trackbarname，表示轨迹条的名字。

　　第二个参数：winname，表示轨迹条的父窗口的名称。

3、亮度、对比度的调整

这是最常用的点操作（点算子）：

　　第一个参数：f(x)，表示原图像像素

　　第二个参数：g(x)，表示输出图像像素

　　第三个参数：a，增益（需要满足a>0），常常别用来控制图像的对比度

　　第四个参数：b，偏置，常常被用来控制图像的亮度

　　由于这个运算是对RGB图像进行运算的，每个像素都有3个值，因此需要用3个循环来解决问题：（我在思考能不能把它优化呢？）

 1 //三个for循环，执行运算 new_image(i,j) =a*image(i,j) + b
 2 for(int y = 0; y < image.rows; y++ )
 3 {
 4        for(int x = 0; x < image.cols; x++ )
 5        {
 6               for(int c = 0; c < 3; c++ )
 7               {
 8                      new_image.at<Vec3b>(y,x)[c]= saturate_cast<uchar>
 9 　　　　　　　　　　　　　　　　　　　　((g_nContrastValue*0.01) * (image.at<Vec3b>(y,x)[c]) + g_nBrightValue);
10               }
11        }
12 }  

4、综合实践

//*************************轨迹条来控制图像对比度、亮度值调整示例程序****************************

//***********************************【头文件包含部分】*****************************************
//	描述：包含程序所依赖的头文件
//**********************************************************************************************
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>

//***********************************【命名空间声明部分】*****************************************
//	描述：包含程序所使用的命名空间
//**********************************************************************************************
using namespace cv;
using namespace std;

//***********************************【全局变量、函数声明部分】*****************************************
//	描述：全局变量、函数声明
//**********************************************************************************************
int g_nContrastValue;	//对比度值
int g_nBrightValue;		//亮度值
Mat g_srcImage, g_dstImage;
static void ContrastAndBright( int, void* );

//***********************************【main（）函数部分】*****************************************
//	描述：控制台应用程序的入口函数，我们的程序从这里开始
//**********************************************************************************************
int main()
{
	//【0】初始化、配置
	system("color 5F");

	//【1】读取图像
	g_srcImage = imread( "pic1.jpg" );
	if(!g_srcImage.data){ printf("Oh,damm,读取g_srcImage图像错误！！！！"); return false; }
	g_dstImage = Mat::zeros( g_srcImage.size(), g_srcImage.type() );

	//【2】设定对比度和亮度的初值
	g_nContrastValue = 80;
	g_nBrightValue = 80;

	//【3】创建窗口
	namedWindow("【效果图窗口】",1);

	//【4】创建轨迹条
	createTrackbar("对比度：",
					"【效果图窗口】",
					&g_nContrastValue,
					300,
					ContrastAndBright);
	createTrackbar("亮  度：",
					"【效果图窗口】",
					&g_nBrightValue,
					200,
					ContrastAndBright);

	//【5】调用回调函数
	ContrastAndBright( g_nContrastValue, 0 );
	ContrastAndBright( g_nBrightValue, 0 );

	//【6】输出一些帮助信息
	cout<<endl<<"嗯，好了，请调整滚动条观察图像效果！！！\n\n"
				<<"\t按下“q”键时，程序退出！！！\n"
				<<"\n\n\t\t\t\tby";

	//【7】按下“q”键时，程序退出
	while( char(waitKey(1)) != ‘q‘ ){}

	return 0;
}

//***********************************【ContrastAndBright( int, void* )h函数部分】*****************************************
//	描述：改变图像对比度和亮度值的回调函数
//**********************************************************************************************
static void ContrastAndBright( int, void* )
{
	//【1】创建窗口
	namedWindow( "【原始图窗口】", 1 );

	//【2】三个for循环，执行   g_dsImage（i，j） =  a*g_srcImage(i,j)  +  b
	for( int y=0; y<g_srcImage.rows; y++ )
	{
		for( int x=0; x<g_srcImage.cols; x++ )
		{
			for( int c=0; c<3; c++ )
			{
				g_dstImage.at<Vec3b>(y,x)[c] = saturate_cast<uchar>
					((g_nContrastValue*0.01) * (g_srcImage.at<Vec3b>(y,x)[c]) + g_nBrightValue);
			}
		}
	}

	//【3】显示图像
	imshow("【原始图窗口】", g_srcImage);
	imshow("【效果图窗口】", g_dstImage);
}