#ifndef M_OPENCV_H #define M_OPENCV_H #include #include #include #include #include #include #include #include #include #include //SIFT #include // CLAHE #include // findHomography, warpPerspective #include using namespace std; using namespace cv; using namespace cv::xfeatures2d; class OpencvFunc : public QObject { Q_OBJECT public: explicit OpencvFunc(QObject *parent = nullptr); QString brenner(cv::Mat &image); QString Laplacian(cv::Mat &image); // mean(|Laplacian|) - 平均幅度 QString Tenengrad(cv::Mat &image); QString calculateSharpness(const QImage& image); int CustomSharpening(const QString &path); Mat qim2mat(QImage &qim); // ==================== 显微专用清晰度评价 ==================== // 综合评分:Laplacian 方差(聚焦金标准)+ Tenengrad + Brenner struct MicroscopeFocusMetrics { double laplacianVar; // Laplacian 方差(显微聚焦金标准) double tenengrad; // Tenengrad 梯度能量 double brenner; // Brenner 二阶差分能量 double combinedScore; // 最终评分(越大越清晰):按所选评分方式计算 }; // 评分方式:可选单项指标,或三项加权组合 // Combined —— 三项加权组合(旧算法默认,权重 wLaplacian/wTenengrad/wBrenner) // LaplacianVar —— 仅 Laplacian 方差 // Tenengrad —— 仅 Tenengrad 梯度能量 // Brenner —— 仅 Brenner 二阶差分能量 // SlviewEdge —— SLView 对数域 L1 梯度焦点图均值(新算法,与 fuseAdvanced 的 // SLView 融合分支同一判据;此时三个分项指标不计算,保持 0) enum class FocusMetric { Combined, LaplacianVar, Tenengrad, Brenner, SlviewEdge }; Q_ENUM(FocusMetric) // 推荐用 evaluateFocusScore 替换单指标的 brenner/Laplacian/Tenengrad // metric: 评分方式,单项时 combinedScore 即该项的归一化分值(与组合模式同尺度,便于比较) // wLaplacian/wTenengrad/wBrenner: 仅 Combined 模式生效的权重,会自动归一化 // SlviewEdge 模式:combinedScore 为 SLView 焦点图均值(量纲不同,只用于帧间相对比较) MicroscopeFocusMetrics evaluateFocusScore(const cv::Mat& image, FocusMetric metric = FocusMetric::Combined, double wLaplacian = 0.5, double wTenengrad = 0.3, double wBrenner = 0.2); // ==================== 对比度增强算法 ==================== // 1) CLAHE(限制对比度的自适应直方图均衡)—— 显微最常用,处理不均匀照明 // 在 LAB 空间的 L 通道做,避免色相偏移 // clipLimit: 直方图裁剪阈值,2.0~4.0 适合显微,>5 会过增强 // tileGridSize: 局部直方图块大小,8 即 8x8,显微推荐 4~16 cv::Mat enhanceContrastCLAHE(const cv::Mat& src, double clipLimit = 2.0, int tileGridSize = 8); // 2) 自动对比度(百分位拉伸 / Percentile Stretch) // 把 [lowPct, highPct] 百分位映射到 [0,255],抗离群点(灰尘/气泡) // lowPct=1, highPct=99 是业界默认,显微相机的灰尘像素不会被拉爆 cv::Mat enhanceContrastAuto(const cv::Mat& src, double lowPct = 1.0, double highPct = 99.0); // 3) Gamma 校正(非线性亮度拉伸) // gamma<1: 提亮暗部(暗场显微常用) // gamma>1: 压暗亮部(荧光过曝区恢复) // auto=true 时按图像平均亮度自动选 gamma(0.4~2.4) cv::Mat enhanceContrastGamma(const cv::Mat& src, double gamma = 1.0, bool _auto = false); // 4) 多尺度 Retinex (MSR) —— 显微不均匀照明的"杀手锏" // 经典 Jobson et al. 1997 多尺度 Retinex,比 CLAHE 更能消除 // 视场中心-边缘的亮度差(显微镜的典型问题) // sigmas: 多尺度高斯标准差(像素),推荐 {15, 80, 250}(显微默认) cv::Mat enhanceContrastRetinexMSR(const cv::Mat& src, const std::vector& sigmas = {15.0, 80.0, 250.0}); // 5) 对比度增强统一入口(推荐 QML 用这一个) // pipeline: 0=CLAHE 1=Auto 2=Gamma 3=RetinexMSR 4=CLAHE+Auto cv::Mat enhanceContrast(const cv::Mat& src, int pipeline = 4); // 6) 文件路径版(异步 + 同步),适合 QML 直接调用 Q_INVOKABLE QString enhanceContrastPath(const QString& imagePath, int pipeline = 4); Q_INVOKABLE void enhanceContrastPathAsync(const QString& imagePath, int pipeline = 4); // 7) 显微专用锐化(边缘保护 + LAB L 通道 + 多尺度) // 解决普通 unsharp mask 在显微图上放大噪声的问题 // amount: 锐化强度,0.5~1.5(与 unsharpMask 同样的 scale) // sigma: 高斯半径,匹配物镜 PSF:20x 物镜 ~1.0,40x ~0.5 // noiseFloor: 噪声门限(拉普拉斯幅度),低于此的像素不锐化 cv::Mat sharpenMicroscope(const cv::Mat& src, double amount = 1.0, double sigma = 1.0, double noiseFloor = 5.0); // ==================== DWT多聚焦融合算法 ==================== QString fuseImages(const QStringList& imagePaths); // 主融合函数:融合多张不同焦点的图像(从QML调用,异步) // imagePaths: 输入图像文件路径列表 Q_INVOKABLE void fuseImagesAsync(const QStringList& imagePaths); // 主融合函数:融合多张不同焦点的图像 // images: 输入图像列表,所有图像必须尺寸相同 // levels: 小波分解层数,默认为3层 // 返回:融合后的图像 cv::Mat multiFocusFusion(const std::vector& images, int levels = 3); // 单张图像的Haar小波分解 // src: 输入图像(单通道,浮点型) // levels: 分解层数 // 返回:分解后的小波系数列表(LL, LH, HL, HH) std::vector> haarDWT(const cv::Mat& src, int levels); // Haar小波逆变换 // coeffs: 小波系数列表 // 返回:重构后的图像 cv::Mat haarIDWT(const std::vector>& coeffs); // 计算图像的聚焦度图(清晰度图) // image: 输入图像 // 返回:聚焦度图,值越大表示越清晰 cv::Mat calculateFocusMap(const cv::Mat& image); // 创建平滑的权重图 // focusMaps: 各图像的聚焦度图 // sigma: 高斯平滑的标准差,默认为5 // 返回:各图像的权重图 std::vector createWeightMaps(const std::vector& focusMaps, double sigma = 5.0); // ==================== 高级流水线 (DWT+ECC+CLAHE+Bilateral) ==================== // 完整融合管线: // 1) CLAHE 预处理(Lab L 通道直方图均衡,避免色偏) // 2) ECC 图像配准(基于 ORB 特征 + 单应性,将其它图 warp 到参考系) // 3) 3 级 Haar DWT 融合(低频取均值,高频取 |max| + 一致性校验) // 4) 双边滤波后处理(保边去噪) // 返回融合结果,并把原始输入拷贝到 outDir/inputs/ 与融合图放在同目录 cv::Mat fuseAdvanced(const std::vector& images, const QString& outDir = QString()); // ==================== Unsharp Mask 锐化 ==================== // Unsharp Mask 锐化算法: // 1) 对原图进行高斯模糊得到模糊版本 // 2) 计算边缘 mask = original - blurred // 3) 将 mask 按比例叠加回原图 // result = original + amount * (original - blurred) // src: 输入图像(支持单通道灰度和多通道彩色) // amount: 锐化强度,推荐范围 0.5-2.0,值越大锐化越强 // sigma: 高斯模糊标准差,推荐范围 1.0-3.0,值越大边缘检测范围越大 // 返回:锐化后的图像 cv::Mat unsharpMask(const cv::Mat& src, double amount = 1.0, double sigma = 1.5); // ==================== 融合结果专用后处理(抗光晕 + 不过曝) ==================== // 旧后处理 unsharpMask(2.0, 3.0) + enhanceContrast(0) 是"硬裁剪"链路: // 亮物体边缘的正向过冲被裁成 255(高光死白), // 暗侧的反向过冲被裁成 0(黑边 + 亮物体内部出现黑色像素)。 // 本函数把高频细节限制在 ±kA*局部亮度 之内(过冲不可能把亮区拉到 0), // 高光走软膝压缩不硬裁,CLAHE 只回混一部分并保护纯黑背景。 cv::Mat finishFusionImage(const cv::Mat& src); // ==================== 融合结果后处理(2.8.33 指定的经典链路)==================== // 按现场要求显式指定参数,用于替换融合结果上的 finishFusionImage: // 1) unsharpMask(fused, amount=2.0, sigma=3.0) 经典 USM 锐化 // 2) enhanceContrast(fused_sharp, 0) 即 CLAHE(clip=2.0, tile=8) // 3) repairDarkSpots() 兜底:只抬亮,绝不压暗 // // 与 finishFusionImage 的定量差异(PC 实测,暗场:黑底+亮孢子+菌体): // 细节增益 1.893x → 3.349x 更锐 // 边缘暗侧过冲(黑边) 0 px → 881 px // 死白(源未饱和→255) 1026 → 3502 px // 即"更锐但会重新引入黑边/死白"。需要回到抗光晕口径时改调 finishFusionImage。 cv::Mat finishFusionImageClassic(const cv::Mat& src, double amount = 2.0, double sigma = 3.0, int pipeline = 0); signals: // 融合完成信号 void fuseFinished(const QString& resultPath); // 对比度增强完成信号(异步任务用) void contrastEnhanced(const QString& resultPath, int pipeline); private: }; #endif // M_OPENCV_H