| 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165 |
- #ifndef M_OPENCV_H
- #define M_OPENCV_H
- #include <QObject>
- #include <QImage>
- #include <QFuture>
- #include <opencv2/opencv.hpp>
- #include <opencv2/highgui/highgui.hpp>
- #include <opencv2/imgproc/imgproc.hpp>
- #include <opencv2/videoio.hpp>
- #include <opencv2/videoio/legacy/constants_c.h>
- #include <opencv2/xfeatures2d.hpp>
- #include <opencv2/xfeatures2d/nonfree.hpp> //SIFT
- #include <opencv2/photo.hpp> // CLAHE
- #include <opencv2/calib3d.hpp> // findHomography, warpPerspective
- #include <opencv2/imgcodecs.hpp>
- 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; // 综合评分(越大越清晰)
- };
- // 推荐用 evaluateFocusScore 替换单指标的 brenner/Laplacian/Tenengrad
- MicroscopeFocusMetrics evaluateFocusScore(const cv::Mat& image);
- // ==================== 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<double>& 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);
- // 带进度回调的融合版本(回调在主线程执行)
- QString fuseImages(const QStringList& imagePaths, std::function<void(const QString&, int)> progressCallback);
- // 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<cv::Mat>& 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<std::vector<cv::Mat>> 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<std::vector<cv::Mat>>& 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<cv::Mat> createWeightMaps(const std::vector<cv::Mat>& 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<cv::Mat>& 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);
- signals:
- // 融合进度信号
- void fusionProgress(const QString& message, int percent);
- // 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
|