OpenCV计算摄影学(15)无缝克隆(Seamless Cloning)调整图像颜色的函数colorChange()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

cv::colorChange 是 OpenCV 中用于调整图像颜色的函数。它允许你通过乘以不同的系数来独立地改变输入图像中红色、绿色和蓝色通道的强度,从而实现对图像色彩的调整。这个功能对于需要精细控制图像色调的应用非常有用。

函数原型

cpp 复制代码
void cv::colorChange 	
(
        InputArray  	src,
		InputArray  	mask,
		OutputArray  	dst,
		float  	red_mul = 1.0f,
		float  	green_mul = 1.0f,
		float  	blue_mul = 1.0f 
	) 		

参数

  • 参数src 输入 8 位 3 通道图像‌34。
  • 参数mask 输入 8 位 1 或 3 通道图像‌35。
  • 参数dst 输出与 src 尺寸和类型相同的图像‌34。
  • 参数red_mul 红色通道乘法因子‌4。
  • 参数green_mul 绿色通道乘法因子‌4。
  • 参数blue_mul 蓝色通道乘法因子‌4。

乘法因子范围在 0.5 至 2.5 之间‌

示例代码

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

int main()
{
    // 加载图像
    cv::Mat src = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/jiangnan.jpg");
    if (src.empty())
    {
        std::cerr << "无法加载图像!" << std::endl;
        return -1;
    }

    // 创建全1掩模(处理整个图像)
    cv::Mat mask = cv::Mat::ones(src.size(), CV_8UC1);

    // 应用颜色变换(调整参数以增强效果)
    cv::Mat dst;
    cv::colorChange(src, mask, dst, 2.5f, 0.1f, 1.0f); // 红通道增强,绿通道减弱

    // 转换为浮点型计算差异
    cv::Mat src_f, dst_f;
    src.convertTo(src_f, CV_32F);
    dst.convertTo(dst_f, CV_32F);

    // 计算绝对差异并归一化‌:ml-citation{ref="1,2" data="citationList"}
    cv::Mat diff_f;
    cv::absdiff(src_f, dst_f, diff_f);
    cv::normalize(diff_f, diff_f, 0, 255, cv::NORM_MINMAX); // 关键修改:归一化数据范围‌:ml-citation{ref="1" data="citationList"}

    // 转换为8位图像
    cv::Mat diff;
    diff_f.convertTo(diff, CV_8U);

    // 增强对比度显示(调整缩放因子)‌:ml-citation{ref="2" data="citationList"}
    cv::Mat enhanced_diff;
    cv::convertScaleAbs(diff, enhanced_diff, 5, 0); // alpha=5 增强差异可见性‌:ml-citation{ref="2" data="citationList"}

    // 显示结果
    cv::imshow("Original Image", src);
    cv::imshow("Processed Image", dst);
    cv::imshow("Difference Image", diff);
    cv::imshow("Enhanced Difference", enhanced_diff);

    // 保存结果(建议使用无损格式)‌:ml-citation{ref="5" data="citationList"}
    cv::imwrite("original.png", src);
    cv::imwrite("processed.png", dst);
    cv::imwrite("difference.png", diff);
    cv::imwrite("enhanced_difference.png", enhanced_diff);

    cv::waitKey(0);
    return 0;
}

运行结果

相关推荐
邵奈一28 分钟前
运行OpenManus项目(使用Conda)
人工智能·大模型·agent·agi
是理不是里_1 小时前
深度学习与普通神经网络有何区别?
人工智能·深度学习·神经网络
曲幽1 小时前
DeepSeek大语言模型下几个常用术语
人工智能·ai·语言模型·自然语言处理·ollama·deepseek
AORO_BEIDOU2 小时前
科普|卫星电话有哪些应用场景?
网络·人工智能·安全·智能手机·信息与通信
dreamczf2 小时前
基于Linux系统的边缘智能终端(RK3568+EtherCAT+PCIe+4G+5G)
linux·人工智能·物联网·5g
@Mr_LiuYang2 小时前
深度学习PyTorch之13种模型精度评估公式及调用方法
人工智能·pytorch·深度学习·模型评估·精度指标·模型精度
Herbig2 小时前
文心一言:中国大模型时代的破局者与探路者
人工智能
幻风_huanfeng2 小时前
每天五分钟深度学习框架PyTorch:使用残差块快速搭建ResNet网络
人工智能·pytorch·深度学习·神经网络·机器学习·resnet
钡铼技术物联网关2 小时前
导轨式ARM工业控制器:组态软件平台的“神经中枢”
linux·数据库·人工智能·安全·智慧城市