当前位置: 首页 > news >正文

OpenCV 滑动条调整图像亮度

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。


二、示例代码: 通过滑动条来调整图像亮度

#include <iostream>
#include <opencv2/opencv.hpp>void onTrackAdd(int value, void * pSrc)
{cv::Mat src = ((cv::Mat *)pSrc)->clone();cv::Mat temp = cv::Mat::zeros(src.size(), CV_8UC3);temp = cv::Scalar(value, value, value);cv::Mat dst;cv::add(src, temp, dst);cv::imshow("亮度增加", dst);
}void onTrackSub(int value, void * pSrc)
{cv::Mat src = ((cv::Mat *)pSrc)->clone();cv::Mat temp = cv::Mat::zeros(src.size(), CV_8UC3);temp = cv::Scalar(value, value, value);cv::Mat dst;cv::subtract(src, temp, dst);cv::imshow("亮度减少", 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);int valueAdd = 50;cv::namedWindow("亮度增加", cv::WINDOW_AUTOSIZE);cv::createTrackbar("亮度+", "亮度增加", &valueAdd, 100, onTrackAdd, &src);int valueSub = 50;cv::namedWindow("亮度减少", cv::WINDOW_AUTOSIZE);cv::createTrackbar("亮度-", "亮度减少", &valueSub, 100, onTrackSub, &src);cv::waitKey(0);return 0;
}

http://www.lqws.cn/news/94159.html

相关文章:

  • [yolov11改进系列]基于yolov11使用FasterNet替换backbone用于轻量化网络的python源码+训练源码
  • 谷歌地图苹果版v6.138.2 - 前端工具导航
  • DrissionPage 性能优化实战指南:让网页自动化效率飞升
  • MySQL 8 完整安装指南(Ubuntu 22.04)
  • 【R语言编程绘图-mlbench】
  • 实验设计与分析(第6版,Montgomery著,傅珏生译) 第9章三水平和混合水平析因设计与分式析因设计9.5节思考题9.1 R语言解题
  • 实验设计与分析(第6版,Montgomery著,傅珏生译) 第10章拟合回归模型10.9节思考题10.1 R语言解题
  • R语言使用随机过采样(Random Oversampling)平衡数据集
  • RagFlow优化代码解析
  • 【Ragflow】25.Ragflow-plus开发日志:excel文件解析新思路/公式解析适配
  • Ubuntu 挂载新盘
  • 《对象创建的秘密:Java 内存布局、逃逸分析与 TLAB 优化详解》
  • TDengine 高级功能——流计算
  • mac环境下的python、pycharm和pip安装使用
  • JavaScript 数据处理 - 数值转不同进制的字符串(数值转十进制字符串、数值转二进制字符串、数值转八进制字符串、数值转十六进制字符串)
  • ForkJoinTask深度解析:Java并行计算利器
  • 前端限流如何实现,如何防止服务器过载
  • SpringCloud 分布式锁Redisson锁的重入性 高并发 获取锁
  • WAF绕过,网络层面后门分析,Windows/linux/数据库提权实验
  • Day11
  • 【Spring AI】调用 DeepSeek 实现问答聊天
  • 使用Process Explorer、System Informer(Process Hacker)和Windbg工具排查软件高CPU占用问题
  • 4-C#的不同窗口传值
  • Linux下使用nmcli连接网络
  • 【Pytorch学习笔记】模型模块08——AlexNet模型详解
  • VR 虚拟仿真工器具:开启医学新视界的智慧钥匙​
  • LeetCode hot100-11
  • 1.6万字测评:deepseek-r1-0528横向对比 gemini-2.5-pro-0506和claude4
  • 3.1 HarmonyOS NEXT分布式数据管理实战:跨设备同步、端云协同与安全保护
  • MongoDB-6.0.24 主从复制搭建和扩容缩容详解