OpenCV 滑动条调整图像对比度和亮度

一、知识点
1、int createTrackbar(const String & trackbarname, const String & winname, int * value, int count, TrackbarCallback onChange = 0, void * userdata = 0);

(1)、创建一个滑动条并将其附在指定窗口上。

(2)、参数说明:

trackbarname: 创建的滑动条显示名称。

winname: 包含滑动条的窗口名称。

value: 将由滑动条更改的整数值的指针。

count: 滑动条的最大位置。

onChange: 回调函数,每次滑块改变位置时会调用此函数。 函数原型void Foo(int, void *),第一个参数是滑动条位置,第二个参数是用户数据。 如果为nullptr,则不会调用回调函数,但是value仍然自动更新。

userdata: 用户数据,传递给回调函数。

2、void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype = -1);

(1)、计算两个数组的加权和。 在多通道情况下,每个通道都是独立处理的。

(2)、算法代码: dst = src1 * alpha + src2 * beta + gamma;

(3)、参数说明:

src1: 第一个输入数组。

alpha: 第一个数组元素的权重。

src2: 第二个输入数组,和src1大小和通道数相同。

beta: 第二个数组元素权重。

gamma: 标量,会添加到总和中。

dst: 输出数组。

dtype: 输出数组的可选深度。 当两个输入数组具有相同的深度时,dtype可以设置为-1,这相当于src1.depth()。

(4)、src1 * alpha可以改变对比度,比如原先2个值为2、4,相差2,分别乘以2后为4、8,相差4,差值变大。

(5)、gamma可以改变亮度,总和中每个像素的每个通道值都会加上gamma。

二、示例代码: 滑动条调整图像对比度和亮度

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


void onContrast(int value, void * pSrc)
{
    cv::Mat src = *((cv::Mat *)pSrc);
    cv::Mat temp = cv::Mat::zeros(src.size(), CV_8UC3);
    cv::Mat dst;

    double contrast = value / 50.0;
    cv::addWeighted(src, contrast, temp, 0.0, 0.0, dst);

    cv::imshow("对比度和亮度调整", dst);
}


void onLightness(int value, void * pSrc)
{
    cv::Mat src = *((cv::Mat *)pSrc);
    cv::Mat temp = cv::Mat::zeros(src.size(), CV_8UC3);
    cv::Mat dst;

    cv::addWeighted(src, 1.0, temp, 0.0, value, dst);
    cv::imshow("对比度和亮度调整", dst);
}


int main()
{
    cv::Mat src = cv::imread("../images/8.png");
    if (src.empty())
    {
        std::cout << "load src image error..." << std::endl;
        return -1;
    }
    cv::imshow("原始图像", src);

    cv::namedWindow("对比度和亮度调整", cv::WINDOW_AUTOSIZE);

    int contrastValue = 50;
    cv::createTrackbar("对比度", "对比度和亮度调整", &contrastValue, 100, onContrast, &src);

    int lightnessValue = 50;
    cv::createTrackbar("亮度", "对比度和亮度调整", &lightnessValue, 100, onLightness, &src);

    cv::waitKey(0);
    return 0;
}
相关推荐
白-胖-子2 小时前
深入剖析大模型在文本生成式 AI 产品架构中的核心地位
人工智能·架构
想要成为计算机高手3 小时前
11. isaacsim4.2教程-Transform 树与Odometry
人工智能·机器人·自动驾驶·ros·rviz·isaac sim·仿真环境
静心问道4 小时前
InstructBLIP:通过指令微调迈向通用视觉-语言模型
人工智能·多模态·ai技术应用
宇称不守恒4.04 小时前
2025暑期—06神经网络-常见网络2
网络·人工智能·神经网络
小楓12015 小时前
醫護行業在未來會被AI淘汰嗎?
人工智能·醫療·護理·職業
数据与人工智能律师5 小时前
数字迷雾中的安全锚点:解码匿名化与假名化的法律边界与商业价值
大数据·网络·人工智能·云计算·区块链
chenchihwen5 小时前
大模型应用班-第2课 DeepSeek使用与提示词工程课程重点 学习ollama 安装 用deepseek-r1:1.5b 分析PDF 内容
人工智能·学习
说私域5 小时前
公域流量向私域流量转化策略研究——基于开源AI智能客服、AI智能名片与S2B2C商城小程序的融合应用
人工智能·小程序
Java樱木5 小时前
AI 编程工具 Trae 重要的升级。。。
人工智能
AntBlack5 小时前
从小不学好 ,影刀 + ddddocr 实现图片验证码认证自动化
后端·python·计算机视觉