day03：Qt调用opencv完成视频抓取与图片处理的学习

OpenCV 视频抓取

构建一个项目工程
1. 创建目录/文件结构
2. 工程组织文件（Makefile $\to$ QMake）

附pmain.pro脚本(用于Qt自生成Makefile)

# 控制编译器C++相关的编译选项
QMAKE_CXXFLAGS += /source-charset:utf-8
QMAKE_CXXFLAGS += /execution-charset:utf-8
# 1. 配置程序的类型：应用/共享库
TEMPLATE   = app

# 2. 基本配置
CONFIG    += debug
CONFIG    += console
CONFIG    += thread
CONFIG    += qt

# Qt的模块库的配置
QT        += core
QT        += gui
QT        += widgets
# OpenCV的链接的相关的库与头文件
INCLUDEPATH  += "D:/op/install/include"

LIBS         += -L"D:\op\install\x64\vc16\lib"
LIBS         += -lopencv_core420d
LIBS         += -lopencv_videoio420d
LIBS         += -lopencv_imgcodecs420d
LIBS         += -lopencv_imgproc420d
LIBS         += -lopencv_objdetect420d

# 3. 工程代码文件
SOURCES   += main.cpp
SOURCES   += cvdialog.cpp
SOURCES   += cvvideo.cpp

HEADERS   += cvdialog.h
HEADERS   += cvvideo.h

FORMS     += video.ui

# 4. 输出的执行文件
TARGET     = main

创建Qt应用
1. 通过Qt designer创建合适的对话框
2. 更改名称，适配代码文件
3. 合理布局

UI交互
1. 在Qt designer界面搭建信号和槽
2. 在代码中引入信号和槽，并定义槽函数
3. 绑定对话框与槽函数的调用关系
多线程

引入新线程，用于视频自采集

CVVideo::CVVideo(QObject *parent):
    QThread(parent),
    dev(new cv::VideoCapture(0, cv::CAP_DSHOW)){
    classifier = new cv::CascadeClassifier("haarcascade_frontalface_alt2.xml");
}

视频采集
- 使用信号发送给窗体显示
  1. 定义信号-> 发送：
  2. 接受信号-> 显示

void CVDialog::gray(){
    type = 1;
}
void CVDialog::gauss(){
    type = 2;
}

... ...
    if(type == 1){
        ... ...
    }
    if(type == 2){
        ... ...
    }

视频抓取截图：

OpenCV的视频采集的相关的类
1. VideoCapture
  - read()
  - ...
2. CascadeClassifier
  - detectMultiScale()
  - ...
- 使用规律：
  - 打开摄像头
  - 读取图像

OpenCV图像特征处理

灰度变换

cv::cvtColor(img, img, cv::COLOR_BGR2GRAY);
QImage i_out(img.data, img.cols, img.rows, QImage::Format_Grayscale8);

Sobel变换

cv::Sobel(img, sobel_img, -1, 1, 0, 3, 1, 128);
QImage i_out(sobel_img.data, sobel_img.cols, sobel_img.rows, QImage::Format_RGB888);

高斯变换

cv::GaussianBlur(img, img, cv::Size2i(21, 21), 6.0);
QImage i_out(img.data, img.cols, img.rows, QImage::Format_RGB888);

Filter2D：卷积运算

cv::Mat o_img;
cv::Mat kernel = (cv::Mat_<int>(3, 3) << 
    -1,  0,  1, 
    -1,  0,  1, 
    -1,  0,  1);

cv::filter2D(img, o_img, -1, kernel, cv::Point2i(-1, -1), 0.0);
QImage i_out(o_img.data, o_img.cols, o_img.rows, QImage::Format_RGB888);

灰度转换后效果截图：

OpenCV人脸识别(可选)

人脸侦测
标识人脸

相关代码：

while(true){
    // 视频采集
    cv::Mat  img;
    dev->read(img);
    // 图像处理？
    std::vector<cv::Rect> objs; // 用来存储识别的人脸
    std::vector<int> rejectLeves;  // 返回拒绝的level
    std::vector<double> levelWeights; // level的权重

    classifier->detectMultiScale(
        img, // 输入图像
        objs,
        rejectLeves,
        levelWeights,
        1.05,      // 人脸搜索的模板
        3,         // 最小领域个数限制 
        1,       // 边缘检测（Canny）
        cv::Size(),
        cv::Size(),
        true
    );
    // 标记人脸
    if(!objs.empty()){
        for(int i = 0; i < objs.size(); i++){
            if(levelWeights[i] >= 10.5){
                cv::rectangle(img, objs[i], cv::Scalar(0, 0, 255), 2);
            }
        }
    }
    // 视频图像发送到窗体显示
    emit sig_video(img);
    QThread::usleep(1000);
}

了解下：
- 二位码识别
代码作业：
- 完成一个抓取视频的程序（备份上交）
- 在上一个程序基础上，增加图像效果；
- 在第一个基础上，识别人脸，并标记；
笔记整理
- 完成课堂笔记（说明，代码，执行效果的截图）

最后编辑于：2020.06.24 06:27:17