标签：src 人脸识别 QT int dst OpenCV 参数 图像

QT连接OpenCV库实现人脸识别_opencv qt 人脸识别-CSDN博客

 

#include "mainwindow.h"

#include <QApplication>

#include <opencv2/opencv.hpp>

#include <QMessageBox>

using namespace std;

using namespace cv;

int main(int argc, char *argv[])

{

    QApplication a(argc, argv);

    MainWindow w;

    w.show();

    //1、定义视频流对象

    VideoCapture v(0);             //表明使用摄像头构造一个视频流对象

    //2、读取摄像头中的图像

    Mat src;                   //用于存放读取出来的图像

    Mat gray;                   //用于存储灰度图的图像容器

    Mat dst;                     //用于存储均衡化处理后的图像容器

    //5、实例化一个级联分类器的对象，用于找到图像中的人脸矩形区域

    CascadeClassifier c;

    //给类对象装载人脸识别模型

    //函数原型：bool load( const String& filename );

    //功能：给级联分类器对象，下载一个识别模型

    //参数：人脸识别模型的文件路径

    //返回值：成功下载返回真，失败返回假

    if(!c.load("E:/opencv3.4.0/OpenCV-MinGW-Build-OpenCV-3.4.5/etc/haarcascades/haarcascade_frontalface_alt2.xml"))

    {

        QMessageBox::information(NULL,"失败", "人脸识别模型装载失败");

        return -1;

    }

    //定义容器存放人脸分类后的矩形框

    vector<Rect> faces;

    //函数原型：virtual bool read(OutputArray image);

    //功能：从视频流中读取一张图像放入参数中

    //参数：图像容器

    //返回值：成功返回真，失败或者读取视频结束返回假

    while(v.read(src))

    {

        //将图像进行翻转

        //函数原型：void flip(InputArray src, OutputArray dst, int flipCode);

        //参数1：要翻转的图像

        //参数2：翻转后的图像容器

        //参数3：翻转规则：正数表示按y轴翻转，0表示按x轴翻转，负数表示按xy轴翻转

        flip(src, src, 1);

        //3、将图像灰度处理

        //函数原型：void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 );

        //参数1：要转换的图像

        //参数2：转换后的图像容器

        //参数3：转换规则  CV_BGR2GRAY表示将bgr彩色图转换为gray灰度图

        //返回值：无

        cvtColor(src, gray, CV_BGR2GRAY);

        //4、对图像进行均衡化处理

        //函数原型：void equalizeHist( InputArray src, OutputArray dst );

        //参数1：要进行均衡化处理的图像，必须是单通道灰度图

        //参数2：均衡化处理后的图像容器

        //返回值：无

        equalizeHist(gray, dst);

        //6、使用级联分类器对象，获取人脸矩形区域

        //函数原型：void detectMultiScale( InputArray image,CV_OUT std::vector<Rect>& objects）

        //参数1：要进行识别的图像

        //参数2：对该图像识别后，的矩形框存放的数组容器

        c.detectMultiScale(dst, faces);

        //7、将上述得到的矩形框，全部都绘制到图像上

        for(int i=0; i<faces.size(); i++)

        {

            //将任意一个矩形框，全部都绘制到图像上

            //函数原型：void rectangle(CV_IN_OUT Mat& img, Rect rec,const Scalar& color, int thickness = 1）

            //参数1：要被绘制的图像

            //参数2：要绘制的矩形框

            //参数3：矩形框的颜色

            //参数4：矩形框的粗细

            //返回值：无

            rectangle(src, faces[i], Scalar(0,0,255), 2);

        }

        //8、像素反差

        for(int i=0; i<src.rows; i++)        //外层循环控制行数

        {

            for(int j=0; j<src.cols; j++)        //内层循环控制列数

            {

                //找到任意一个像素:src.at<Vec3b>(i,j)

                //找到任意一个像素中的通道中的值src.at<Vec3b>(i,j)[k]

                for(int k=0; k<3; k++)

                {

                    src.at<Vec3b>(i,j)[k] = 255 - src.at<Vec3b>(i,j)[k];  //对像素进行反差

                }

            }

        }

        //展示彩色图像

        imshow("Test1", src);

        //展示灰度图像

        imshow("Test2", gray);

        //展示均衡化处理后的图像

        imshow("Test3", dst);

        //加延时函数

        //函数原型：int waitKey(int delay = 0);

        //参数：等待时间

        //返回值：在等待期间用户按下的键盘的ascii值    ESC键对应的值为27

        if(waitKey(20)==27)

        {

            break;

        }

    }

    return a.exec();

}

标签：src,人脸识别,QT,int,dst,OpenCV,参数,图像
From： https://www.cnblogs.com/dq0618/p/17773350.html