m_opencv.h 8.6 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180
  1. #ifndef M_OPENCV_H
  2. #define M_OPENCV_H
  3. #include <QObject>
  4. #include <QImage>
  5. #include <QFuture>
  6. #include <opencv2/opencv.hpp>
  7. #include <opencv2/highgui/highgui.hpp>
  8. #include <opencv2/imgproc/imgproc.hpp>
  9. #include <opencv2/videoio.hpp>
  10. #include <opencv2/videoio/legacy/constants_c.h>
  11. #include <opencv2/xfeatures2d.hpp>
  12. #include <opencv2/xfeatures2d/nonfree.hpp> //SIFT
  13. #include <opencv2/photo.hpp> // CLAHE
  14. #include <opencv2/calib3d.hpp> // findHomography, warpPerspective
  15. #include <opencv2/imgcodecs.hpp>
  16. using namespace std;
  17. using namespace cv;
  18. using namespace cv::xfeatures2d;
  19. class OpencvFunc : public QObject
  20. {
  21. Q_OBJECT
  22. public:
  23. explicit OpencvFunc(QObject *parent = nullptr);
  24. QString brenner(cv::Mat &image);
  25. QString Laplacian(cv::Mat &image); // mean(|Laplacian|) - 平均幅度
  26. QString Tenengrad(cv::Mat &image);
  27. QString calculateSharpness(const QImage& image);
  28. int CustomSharpening(const QString &path);
  29. Mat qim2mat(QImage &qim);
  30. // ==================== 显微专用清晰度评价 ====================
  31. // 综合评分:Laplacian 方差(聚焦金标准)+ Tenengrad + Brenner
  32. struct MicroscopeFocusMetrics {
  33. double laplacianVar; // Laplacian 方差(显微聚焦金标准)
  34. double tenengrad; // Tenengrad 梯度能量
  35. double brenner; // Brenner 二阶差分能量
  36. double combinedScore; // 最终评分(越大越清晰):按所选评分方式计算
  37. };
  38. // 评分方式:可选单项指标,或三项加权组合
  39. // Combined —— 三项加权组合(默认,权重 wLaplacian/wTenengrad/wBrenner)
  40. // LaplacianVar —— 仅 Laplacian 方差
  41. // Tenengrad —— 仅 Tenengrad 梯度能量
  42. // Brenner —— 仅 Brenner 二阶差分能量
  43. enum class FocusMetric {
  44. Combined,
  45. LaplacianVar,
  46. Tenengrad,
  47. Brenner
  48. };
  49. Q_ENUM(FocusMetric)
  50. // 推荐用 evaluateFocusScore 替换单指标的 brenner/Laplacian/Tenengrad
  51. // 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)
  52. // wLaplacian/wTenengrad/wBrenner: 仅 Combined 模式生效的权重,会自动归一化
  53. MicroscopeFocusMetrics evaluateFocusScore(const cv::Mat& image,
  54. FocusMetric metric = FocusMetric::Combined,
  55. double wLaplacian = 0.5,
  56. double wTenengrad = 0.3,
  57. double wBrenner = 0.2);
  58. // ==================== 对比度增强算法 ====================
  59. // 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
  60. // 在 LAB 空间的 L 通道做,避免色相偏移
  61. // clipLimit: 直方图裁剪阈值,2.0~4.0 适合显微,>5 会过增强
  62. // tileGridSize: 局部直方图块大小,8 即 8x8,显微推荐 4~16
  63. cv::Mat enhanceContrastCLAHE(const cv::Mat& src,
  64. double clipLimit = 2.0,
  65. int tileGridSize = 8);
  66. // 2) 自动对比度(百分位拉伸 / Percentile Stretch)
  67. // 把 [lowPct, highPct] 百分位映射到 [0,255],抗离群点(灰尘/气泡)
  68. // lowPct=1, highPct=99 是业界默认,显微相机的灰尘像素不会被拉爆
  69. cv::Mat enhanceContrastAuto(const cv::Mat& src,
  70. double lowPct = 1.0,
  71. double highPct = 99.0);
  72. // 3) Gamma 校正(非线性亮度拉伸)
  73. // gamma<1: 提亮暗部(暗场显微常用)
  74. // gamma>1: 压暗亮部(荧光过曝区恢复)
  75. // auto=true 时按图像平均亮度自动选 gamma(0.4~2.4)
  76. cv::Mat enhanceContrastGamma(const cv::Mat& src, double gamma = 1.0, bool _auto = false);
  77. // 4) 多尺度 Retinex (MSR) —— 显微不均匀照明的"杀手锏"
  78. // 经典 Jobson et al. 1997 多尺度 Retinex,比 CLAHE 更能消除
  79. // 视场中心-边缘的亮度差(显微镜的典型问题)
  80. // sigmas: 多尺度高斯标准差(像素),推荐 {15, 80, 250}(显微默认)
  81. cv::Mat enhanceContrastRetinexMSR(const cv::Mat& src,
  82. const std::vector<double>& sigmas = {15.0, 80.0, 250.0});
  83. // 5) 对比度增强统一入口(推荐 QML 用这一个)
  84. // pipeline: 0=CLAHE 1=Auto 2=Gamma 3=RetinexMSR 4=CLAHE+Auto
  85. cv::Mat enhanceContrast(const cv::Mat& src, int pipeline = 4);
  86. // 6) 文件路径版(异步 + 同步),适合 QML 直接调用
  87. Q_INVOKABLE QString enhanceContrastPath(const QString& imagePath, int pipeline = 4);
  88. Q_INVOKABLE void enhanceContrastPathAsync(const QString& imagePath, int pipeline = 4);
  89. // 7) 显微专用锐化(边缘保护 + LAB L 通道 + 多尺度)
  90. // 解决普通 unsharp mask 在显微图上放大噪声的问题
  91. // amount: 锐化强度,0.5~1.5(与 unsharpMask 同样的 scale)
  92. // sigma: 高斯半径,匹配物镜 PSF:20x 物镜 ~1.0,40x ~0.5
  93. // noiseFloor: 噪声门限(拉普拉斯幅度),低于此的像素不锐化
  94. cv::Mat sharpenMicroscope(const cv::Mat& src,
  95. double amount = 1.0,
  96. double sigma = 1.0,
  97. double noiseFloor = 5.0);
  98. // ==================== DWT多聚焦融合算法 ====================
  99. QString fuseImages(const QStringList& imagePaths);
  100. // 主融合函数:融合多张不同焦点的图像(从QML调用,异步)
  101. // imagePaths: 输入图像文件路径列表
  102. Q_INVOKABLE void fuseImagesAsync(const QStringList& imagePaths);
  103. // 主融合函数:融合多张不同焦点的图像
  104. // images: 输入图像列表,所有图像必须尺寸相同
  105. // levels: 小波分解层数,默认为3层
  106. // 返回:融合后的图像
  107. cv::Mat multiFocusFusion(const std::vector<cv::Mat>& images, int levels = 3);
  108. // 单张图像的Haar小波分解
  109. // src: 输入图像(单通道,浮点型)
  110. // levels: 分解层数
  111. // 返回:分解后的小波系数列表(LL, LH, HL, HH)
  112. std::vector<std::vector<cv::Mat>> haarDWT(const cv::Mat& src, int levels);
  113. // Haar小波逆变换
  114. // coeffs: 小波系数列表
  115. // 返回:重构后的图像
  116. cv::Mat haarIDWT(const std::vector<std::vector<cv::Mat>>& coeffs);
  117. // 计算图像的聚焦度图(清晰度图)
  118. // image: 输入图像
  119. // 返回:聚焦度图,值越大表示越清晰
  120. cv::Mat calculateFocusMap(const cv::Mat& image);
  121. // 创建平滑的权重图
  122. // focusMaps: 各图像的聚焦度图
  123. // sigma: 高斯平滑的标准差,默认为5
  124. // 返回:各图像的权重图
  125. std::vector<cv::Mat> createWeightMaps(const std::vector<cv::Mat>& focusMaps, double sigma = 5.0);
  126. // ==================== 高级流水线 (DWT+ECC+CLAHE+Bilateral) ====================
  127. // 完整融合管线:
  128. // 1) CLAHE 预处理(Lab L 通道直方图均衡,避免色偏)
  129. // 2) ECC 图像配准(基于 ORB 特征 + 单应性,将其它图 warp 到参考系)
  130. // 3) 3 级 Haar DWT 融合(低频取均值,高频取 |max| + 一致性校验)
  131. // 4) 双边滤波后处理(保边去噪)
  132. // 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
  133. cv::Mat fuseAdvanced(const std::vector<cv::Mat>& images, const QString& outDir = QString());
  134. // ==================== Unsharp Mask 锐化 ====================
  135. // Unsharp Mask 锐化算法:
  136. // 1) 对原图进行高斯模糊得到模糊版本
  137. // 2) 计算边缘 mask = original - blurred
  138. // 3) 将 mask 按比例叠加回原图
  139. // result = original + amount * (original - blurred)
  140. // src: 输入图像(支持单通道灰度和多通道彩色)
  141. // amount: 锐化强度,推荐范围 0.5-2.0,值越大锐化越强
  142. // 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
  143. // 返回:锐化后的图像
  144. cv::Mat unsharpMask(const cv::Mat& src, double amount = 1.0, double sigma = 1.5);
  145. signals:
  146. // 融合完成信号
  147. void fuseFinished(const QString& resultPath);
  148. // 对比度增强完成信号(异步任务用)
  149. void contrastEnhanced(const QString& resultPath, int pipeline);
  150. private:
  151. };
  152. #endif // M_OPENCV_H