-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathfonctions.cpp
1414 lines (1088 loc) · 52.2 KB
/
fonctions.cpp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
#include "fonctions.h"
#include "traitement.h"
//#include <opencv4/opencv2/opencv.hpp>
#include <opencv2/opencv.hpp>
#include <math.h>
#include <iostream>
using namespace std;
using namespace cv;
#include <QtWidgets>
#include <QMessageBox>
#include <QFileDialog>
#include <random>
// Constructeur
fonctions::fonctions(){}
fonctions::fonctions(int numero, string nom, double prix, int accreditation, double poids, string contenu)
{
_numero = numero;
_nom = nom;
_prix = prix;
_accreditation = accreditation;
_poids = poids;
_contenu = contenu;
}
// Getters
int fonctions::GetNumero()
{
return _numero;
}
string fonctions::GetNom()
{
return _nom;
}
double fonctions::GetPrix()
{
return _prix;
}
int fonctions::GetAccreditaion()
{
return _accreditation;
}
double fonctions::GetPoids()
{
return _poids;
}
string fonctions::GetContenu()
{
return _contenu;
}
// Setters
void fonctions::SetNumero(const int numero)
{
_numero=numero;
}
void fonctions::SetNom(const string nom)
{
_nom=nom;
}
void fonctions::SetPrix(const double prix)
{
_prix=prix;
}
void fonctions::SetAccreditation(const int accreditation)
{
_accreditation=accreditation;
}
void fonctions::SetPoids(const double poids)
{
_poids=poids;
}
void fonctions::SetContenu(const string contenu)
{
_contenu=contenu;
}
int i,j,k,l;
Mat filtre(String filter_name){
///////////////////////////////////////////////////////////////////
// Fonction definissant et stockant les filtres par convolution //
///////////////////////////////////////////////////////////////////
// Mat filtre(String filter_name): //
///////////////////////////////////////////////////////////////////
// En entree : //
// String nfilter -> le nom du filtre avec lequel on va //
// travailler //
///////////////////////////////////////////////////////////////////
// En sortie : //
// Mat filter -> ledit filtre //
///////////////////////////////////////////////////////////////////
Mat filter;
if (filter_name == "gaussien1"){
// Le filtre gaussien 3x3
filter = (Mat_<double>(3,3) << 1,2,1,2,4,2,1,2,1 )/16;
}
if (filter_name == "gaussien2"){
// Le filtre gaussien 5x5
filter = (Mat_<double>(5,5) << 1,2,3,2,1,2,7,11,7,2,3,11,17,11,3,2,7,11,7,2,1,2,3,2,1 )/121;
}
if (filter_name == "moyenneur"){
// Le filtre moyenneur
filter = (Mat_<double>(3,3) << 1,1,1,1,1,1,1,1,1 )/9;
}
if (filter_name == "laplacien8"){
// Le filtre laplacien en 8 connexités
filter = (Mat_<double>(3,3) << -1,-1,-1,-1,8,-1,-1,-1,-1 );
}
if (filter_name == "laplacien4"){
// Le filtre laplacien en 4 connexités
filter = (Mat_<double>(3,3) << 0,-1,0,-1,4,-1,0,-1,0 );
}
if (filter_name == "prewittX"){
// Le filtre prewitt en X
filter = (Mat_<double>(3,3) << -1,0,1,-1,0,1,-1,0,1 )/3;
}
if (filter_name == "prewittY"){
// Le filtre prewitt en Y
filter = (Mat_<double>(3,3) << -1,-1,-1,0,0,0,1,1,1 )/3;
}
if (filter_name == "sobelX"){
// Le filtre sobel en X
filter = (Mat_<double>(3,3) << -1,0,1,-2,0,2,-1,0,1 )/4;
}
if (filter_name == "sobelY"){
// Le filtre sobel en Y
filter = (Mat_<double>(3,3) << -1,-2,-1,0,0,0,1,2,1 )/4;
}
if (filter_name == "rehauss"){
// Le filtre de rehaussement
filter = (Mat_<double>(3,3) << 0,-1,0,-1,5,-1,0,-1,0 );
}
return filter;
}
Mat conv(Mat image, Mat filter){
///////////////////////////////////////////////////////////////////
// Fonction de convolution 3x3 //
// Ici, les conditions aux bords son en mirroir //
///////////////////////////////////////////////////////////////////
// Mat conv(Mat image, Mat nfilter) : //
///////////////////////////////////////////////////////////////////
// En entree : //
// Mat image -> une matrice image que l'on souhaite convoluer //
// String nfilter -> le filtre avec lequel on va travailler //
///////////////////////////////////////////////////////////////////
// En sortie : //
// Mat image_conv -> l'image convoluee //
///////////////////////////////////////////////////////////////////
Mat imageC, image_conv, mod; // On va copier l'image pour avoir une trace du type de l'image de base
if(image.channels() == 1){
image.convertTo(imageC, CV_64FC1); // La on convertit l'image en 64FC1 sinon ca marche pas...
// LES VARIABLES
image_conv = Mat(imageC.rows, imageC.cols, CV_64FC1); // Definition de l'image convoluee
mod = Mat(imageC.rows, imageC.cols, CV_64FC1); // Copie de l'image
double Somme; // Somme la convolution
// LE CORPS DU CODE
copyMakeBorder(imageC, mod, 1,1,1,1, BORDER_REPLICATE); // Le "zero padding" en mirroir
rotate(filter, filter, ROTATE_90_CLOCKWISE); // On tourne le filtre de 90deg sinon on va se faire gronder par Mme Herbulot
for (i = (filter.rows -1)/2; i < imageC.rows-((filter.rows-1)/2); i++){
for (j = (filter.cols -1)/2; j < imageC.cols-((filter.cols-1)/2); j++){
// On parcourt l'image en fonction de la taille du filtre
Somme = 0; // La somme est a zero pour chaque entree dans le filtre
for (k = -(filter.rows - 1)/2; k < (filter.rows - 1)/2 + 1; k++){
for (l = -(filter.cols - 1)/2; l < (filter.cols - 1)/2 + 1; l++){
// On parcourt le filtre en fonction de sa taille
Somme = Somme + mod.at<double>(i+k,j+l)*filter.at<double>(k+((filter.rows -1)/2),l+((filter.cols -1)/2));
// Le calcul de la convolution
}
}
image_conv.at<double>(i-((filter.rows -1)/2),j-((filter.cols -1)/2)) = Somme;
// On remplace le pixel par la valeur du produit
}
}
image_conv.convertTo(image_conv, image.type()); // On convertit pour faire genre il ne s'est rien passé
return image_conv;
}
else{
image.convertTo(imageC, CV_64FC3); // La on convertit l'image en 64FC1 sinon ca marche pas...
// LES VARIABLES
image_conv = Mat(imageC.rows, imageC.cols, CV_64FC3); // Definition de l'image convoluee
mod = Mat(imageC.rows, imageC.cols, CV_64FC3); // Copie de l'image
double SommeR, SommeG, SommeB; // Somme la convolution
// LE CORPS DU CODE
copyMakeBorder(imageC, mod, 1,1,1,1, BORDER_REPLICATE); // Le "zero padding" en mirroir
rotate(filter, filter, ROTATE_90_CLOCKWISE); // On tourne le filtre de 90deg sinon on va se faire gronder par Mme Herbulot
for (i = (filter.rows -1)/2; i < imageC.rows-((filter.rows-1)/2); i++){
for (j = (filter.cols -1)/2; j < imageC.cols-((filter.cols-1)/2); j++){
// On parcourt l'image par rapport a la taille du filtre
SommeR = 0; // La somme est a zero pour chaque entree dans le filtre
SommeG = 0;
SommeB = 0;
for (k = -(filter.rows - 1)/2; k < (filter.rows - 1)/2 + 1; k++){
for (l = -(filter.cols - 1)/2; l < (filter.cols - 1)/2 + 1; l++){
// On parcourt le filtre en accrod avec sa taille
SommeR = SommeR + mod.at<Vec3d>(i+k,j+l)[0]*filter.at<double>(k+((filter.rows -1)/2),l+((filter.cols -1)/2));
SommeG = SommeG + mod.at<Vec3d>(i+k,j+l)[1]*filter.at<double>(k+((filter.rows -1)/2),l+((filter.cols -1)/2));
SommeB = SommeB + mod.at<Vec3d>(i+k,j+l)[2]*filter.at<double>(k+((filter.rows -1)/2),l+((filter.cols -1)/2));
// Le calcul de la convolution
}
}
image_conv.at<Vec3d>(i-((filter.rows -1)/2),j-((filter.cols -1)/2))[0] = SommeR;
image_conv.at<Vec3d>(i-((filter.rows -1)/2),j-((filter.cols -1)/2))[1] = SommeG;
image_conv.at<Vec3d>(i-((filter.rows -1)/2),j-((filter.cols -1)/2))[2] = SommeB;
// On remplace le pixel par la valeur du produit
}
}
image_conv.convertTo(image_conv, image.type()); // On convertit pour faire genre il ne s'est rien passé
return image_conv;
}
return image_conv;
}
Mat filtrage(Mat image, String nfilter){
///////////////////////////////////////////////////////////////////
// Fonction de filtrage 2D/3D par convolution //
///////////////////////////////////////////////////////////////////
// Mat filtrage(Mat image, String nfilter) : //
///////////////////////////////////////////////////////////////////
// En entree : //
// Mat image -> une matrice image que l'on souhaite filtrer //
// String nfilter -> le nom du filtre avec lequel on va //
// travailler //
///////////////////////////////////////////////////////////////////
// Sortie : //
// Mat image_Fil -> L'image filtree //
///////////////////////////////////////////////////////////////////
// VARIABLE
Mat imageF, image_Fil, filter; // On va copier l'image pour avoir une trace du type de l'image de base
if (nfilter == "prewittX" || nfilter == "prewittY" || nfilter == "sobelX" || nfilter == "sobelY" || nfilter == "laplacien"){
if (image.channels() == 3){
cvtColor(image, imageF, COLOR_RGB2GRAY);
imageF.convertTo(imageF, CV_64FC1); // La on convertit l'image en 64FC1 sinon ca marche pas...
}
else {
image.convertTo(imageF, CV_64FC1); // La on convertit l'image en 64FC1 sinon ca marche pas...
}
filter = filtre(nfilter); // Le filtre
image_Fil = Mat(imageF.rows, imageF.cols, CV_64FC1); // Definition de l'image convoluee
}
else if (image.channels() == 1){
image.convertTo(imageF, CV_64FC1); // La on convertit l'image en 64FC1 sinon ca marche pas...
filter = filtre(nfilter); // Le filtre
image_Fil = Mat(imageF.rows, imageF.cols, CV_64FC1); // Definition de l'image convoluee
}
else{
image.convertTo(imageF, CV_64FC3); // La on convertit l'image en 64FC1 sinon ca marche pas...
filter = filtre(nfilter); // Le filtre
image_Fil = Mat(imageF.rows, imageF.cols, CV_64FC3); // Definition de l'image convoluee
}
// FONCTION DE CONVOLUTION
image_Fil = conv(imageF, filter);
// SORTIE
image_Fil.convertTo(image_Fil, image.type()); // On convertit pour faire genre il ne s'est rien passé
return image_Fil;
}
Mat neg(Mat image){
///////////////////////////////////////////////////////////////////
// Une fonction pour faire le negatif d'une image, waow //
///////////////////////////////////////////////////////////////////
// Mat neg(Mat image) : //
///////////////////////////////////////////////////////////////////
// En entrée : //
// Mat image -> L'image que l'on veut traiter //
///////////////////////////////////////////////////////////////////
// En sortie : //
// Mat Image_Neg -> L'image en negatif //
///////////////////////////////////////////////////////////////////
Mat imageN, image_Neg; // On va copier l'image pour avoir une trace du type de l'image de base
if (image.channels() == 1){
image.convertTo(imageN, CV_64FC1); // La on convertit l'image en 64fc1 sinon ca marche pas...
// LES VARIABLES
image_Neg = Mat(imageN.rows, imageN.cols, CV_64FC1); // L'image negative a vide
// LE CORPS DU CODE
image_Neg = 255 - imageN; // Bah on soustrait, le gros cerveau quoi
image_Neg.convertTo(image_Neg, image.type());
return image_Neg;
}
else{
image.convertTo(imageN, CV_64FC3); // La on convertit l'image en 64fc3 sinon ca marche pas...
// LES VARIABLES
image_Neg = Mat(imageN.rows, imageN.cols, CV_64FC3, CV_RGB(0,0,0));
// L'image negative a vide
Mat canalB,canalG,canalR;
vector<Mat> canaux(3);
extractChannel(imageN,canalB,0); // On extrait les canaux R, G, B
extractChannel(imageN,canalG,1);
extractChannel(imageN,canalR,2);
// LE CORPS DU CODE
canaux[0] = 255 - canalB; // Bah on soustrait la valeur max aux canaux, le gros cerveau quoi
canaux[1] = 255 - canalG;
canaux[2] = 255 - canalR;
merge(canaux,image_Neg); // On fusionne les canaux pour créer la nouvelle image couleur
image_Neg.convertTo(image_Neg, image.type()); // On reconvertit dans le type d'origine
return image_Neg;
}
return image_Neg;
}
Mat rehau(Mat image){
///////////////////////////////////////////////////////////////////
// Fonction de rehaussement de contour //
///////////////////////////////////////////////////////////////////
// Mat rehau(Mat image): //
///////////////////////////////////////////////////////////////////
// En entree : //
// Mat image -> L'image que l'on souhaite traiter //
///////////////////////////////////////////////////////////////////
// En sortie : //
// Mat image_rehau -> L'image rehaussee //
///////////////////////////////////////////////////////////////////
Mat imageR, image_rehau, filter; // On va copier l'image pour avoir une trace du type de l'image de base
if (image.channels() == 1){
image.convertTo(imageR, CV_64FC1); // La on convertit l'image en 64fc1 sinon ca marche pas...
image_rehau = Mat(imageR.rows, imageR.cols, CV_64FC1); // L'image rehaussait a vide
// LE FILTRE
filter = filtre("rehauss");
// On definit le filtre de rehaussement
// FONCTION DE CONVOLUTION
image_rehau = conv(imageR, filter); // L'image rehaussait
image_rehau.convertTo(image_rehau, image.type()); // On reconvertit dans le type d'origine
return image_rehau;
}
else{
image.convertTo(imageR, CV_64FC3); // La on convertit l'image en 64fc3 sinon ca marche pas...
image_rehau = Mat(imageR.rows, imageR.cols, CV_64FC3); // L'image rehaussait a vide
// FILTRE
filter = filtre("rehauss");
// On definit le filtre de rehaussement
// FONCTION DE CONVOLUTION
image_rehau = conv(imageR, filter); // L'image rehaussait
image_rehau.convertTo(image_rehau, image.type()); // On reconvertit dans le type d'origine
return image_rehau;
}
return image_rehau;
}
Mat DiffGaus(Mat image){
///////////////////////////////////////////////////////////////////
// Fonction DOG //
///////////////////////////////////////////////////////////////////
// Mat DiffGaus(Mat image): //
///////////////////////////////////////////////////////////////////
// En entree : //
// Mat image -> L'image que l'on souhaite traiter //
///////////////////////////////////////////////////////////////////
// En sortie : //
// Mat image_DiffG -> L'image ayant subit une difference de //
// gaussienne //
///////////////////////////////////////////////////////////////////
// LES VARIABLES
Mat imageDG, filter1, filter2, Gauss1, Gauss2;
// LES CONVERSIONS
if (image.channels() == 3){
cvtColor(image, imageDG, COLOR_RGB2GRAY); // On convertit les images en rgb en ndg pour la detection de contour
imageDG.convertTo(imageDG, CV_64FC1); // La on convertit l'image en 64FC1 sinon ca marche pas...
}
else{
image.convertTo(imageDG, CV_64FC1); // La on convertit l'image en 64FC1 sinon ca marche pas...
}
Mat image_DiffG(imageDG.rows, imageDG.cols, CV_64FC1); // On initialise la nouvelle image vide
filter1 = filtre("gaussien1"); // Les deux gaussiennes
filter2 = filtre("gaussien2");
Gauss1 = conv(imageDG,filter1); // La convolution de l'image avec les deux gaussiennes
Gauss2 = conv(imageDG,filter2);
image_DiffG = abs(Gauss2 - Gauss1); // On soustrait
image_DiffG.convertTo(image_DiffG, image.type()); // On reconvertit dans le type d'origine
return image_DiffG;
}
///////////////////////////////////////////////////////////////////////
///////////////////////////////////////////////////////////////////////
///////////////////////////////////////////////////////////////////////
///////////////////////////// SERVERIN //////////////////////////////
///////////////////////////////////////////////////////////////////////
///////////////////////////////////////////////////////////////////////
///////////////////////////////////////////////////////////////////////
Mat visualiser_canal(Mat image, int rouge, int vert, int bleu)
{
//Utilisation : Mettre l'image d'entr�e pour le param�tre Mat image. Puis mettre � 1 ou 0 chaque canal de couleur afin de d�finir
//quel canal de couleur on souhaite extraire pour visualisation.
//L'objectif est de pouvoir visualiser les canaux prit individuellements, de chaque format d'image (RGB,HSV,YCbCr, etc...).
//Pour cela, on r�cup�re l'image, on isole le canal souhait�, et on compl�te les deux "canaux restants" par des matrices compos�s de 0
//que l'on va concat�ner afin de faire appara�tre la notion de couleur sur la fonction imshow.
//On aura alors une image r�sultante avec 3 canaux, dont 2 canaux seront � 0.
int ligne = image.rows; //R�cup�ration du nombre de lignes de l'image
int colonne = image.cols; //R�cuparations du nombre de colonnes de l'image
Mat canal; //Matrice de chaque canal extrait
Mat zero = Mat::zeros(ligne, colonne, CV_8UC1); //La matrice de 0 qui servira � remplir les canaux restants non isol�s. 8UC1 signifie que le codage des valeurs
//est fait sur 8 bits non sign�s
Mat im_out(ligne, colonne, CV_8UC3, CV_RGB(0,0,0)); //Image r�sultante
vector<Mat> channels; //Vecteur de 3 �l�ments, contenant pour chaque �l�ment, une matrice Mat.
//On commence le remplissage des couleurs par la fin car la concat�nation par "push_back" rajoute la valeur � l'indice 0, et non pas � la fin du vecteur.
//On r�alise les conditions
if (bleu == 1 && vert == 0 && rouge == 0){
extractChannel(image, canal, 2); //Extraction du canal
channels.push_back(canal); //Concat�nation dans chaque matrice de "channels", la matrice "canal"
}
else{
channels.push_back(zero);
}
if (bleu == 0 && vert == 1 && rouge == 0){
extractChannel(image, canal, 1);
channels.push_back(canal);
}
else{
channels.push_back(zero);
}
if (bleu == 0 && vert == 0 && rouge == 1){
extractChannel(image, canal, 0);
channels.push_back(canal);
}
else{
channels.push_back(zero);
}
merge(channels, im_out); //La fonction "merge" prend les valeurs de chacune des 3 matrices de channels, et les regroupe dans une seule et m�me cellule.
//On aura alors une seule matrice contenant des cellules pour chaque �l�ment. Ces cellules auront les triplets RGB...
im_out.convertTo(im_out, image.type());
return im_out;
}
void afficher(Mat image, String nom)
{
//Utilisation : Fonction d'affichage d'une image (format UINT8). Mettre l'image en param�tre 1, et le nom de la fen�tre en param�tre 2 (String).
namedWindow(nom); // Cr�ation de la fen�tre
imshow(nom, image); // Affichage
waitKey(0); // Appuyer pour stopper l'affichage
destroyWindow(nom); // Fermeture de la fen�tre
}
Mat seuillage_canal(Mat image, int seuil_bas_rouge, int seuil_haut_rouge, int seuil_bas_vert,int seuil_haut_vert, int seuil_bas_bleu, int seuil_haut_bleu)
{
//Utilisation : Mettre l'image d'entr�e pour le param�tre Mat image. Puis mettre les trois seuils (valeur entre 0 et 255) pour chaque canal de couleur
int ligne = image.rows; //R�cup�ration du nombre de lignes de l'image
int colonne = image.cols; //R�cuparations du nombre de colonnes de l'image
int i, j;
Mat canalR, canalV, canalB; //Matrice de chaque canal extrait
Mat zero = Mat::zeros(ligne, colonne, CV_8UC1); //La matrice de 0 qui servira � remplir les canaux restants non isol�s. 8UC1 signifie que le codage des valeurs
//est fait sur 8 bits non sign�s
Mat im_out; //Image r�sultante
vector<Mat> channels; //Vecteur de 3 �l�ments, contenant pour chaque �l�ment, une matrice Mat.
extractChannel(image, canalB, 0); //Extraction du canal
extractChannel(image, canalV, 1); //Extraction du canal
extractChannel(image, canalR, 2); //Extraction du canal
//channels.push_back(canal); //Concat�nation dans chaque matrice de "channels", la matrice "canal"
//Canal bleu
for (i=0;i<ligne;i++)
{ for(j=0;j<colonne;j++)
{
if ( ((canalB.at<uchar>(i, j)) < seuil_bas_bleu) || ((canalB.at<uchar>(i, j)) > seuil_haut_bleu))
{
canalB.at<uchar>(i, j) = 0;
}
if (((canalV.at<uchar>(i, j)) < seuil_bas_vert) || ((canalV.at<uchar>(i, j)) > seuil_haut_vert))
{
canalV.at<uchar>(i, j) = 0;
}
if (((canalR.at<uchar>(i, j)) < seuil_bas_rouge) || ((canalR.at<uchar>(i, j)) > seuil_haut_rouge))
{
canalR.at<uchar>(i, j) = 0;
}
}
}
channels.push_back(canalB);
channels.push_back(canalV);
channels.push_back(canalR);
merge(channels, im_out);
return im_out;
}
void bloc(Mat image, int i, int j, int N, Mat& block)
{
//Utilisation : Permet de r�cup�rer un bloc de pixels de taille NxN sur l'image, aux coordonn�es i,j. Mettre le bloc vide en entr�e
int k, l;
int bords = int(N / 2);
int klimB = i - bords;
int klimH = i + bords + 1;
int llimB = j - bords;
int llimH = j + bords + 1;
for (k = klimB; k < klimH; k++)
{
for (l = llimB; l < llimH; l++)
{
block.at<double>(k - (klimB), l - (llimB)) = image.at<double>(k, l);
}
}
}
double median(vector<double> & vect)
{
//Calcule la m�diane d'un vecteur
sort(vect.begin(), vect.end());
return(vect[round((vect.size() -1) / 2)]);
}
void mat_vecteur(Mat& block, vector<double>& vect)
{
//Matrice block en entr�e, vecteur ligne en sortie.
//Convertit la matrice block en vecteur ligne. Allouer le vecteur VECT avec la taille nécessaire en 0 au préalable.
int N = block.cols;
int i, j;
int cpt = 0;
for (i = 0; i < N; i++)
{
for (j = 0; j < N; j++)
{
vect[cpt] = block.at<double>(i, j);
cpt = cpt + 1;
}
}
}
void mat_vecteur2(Mat& block, vector<double>& vect)
{
//Matrice block en entr�e, vecteur ligne en sortie.
//Convertit la matrice block en vecteur ligne
int N = block.cols;
block = block.reshape(0, 1);
block.copyTo(vect);
block = block.reshape(1, N);
}
Mat med_filter(Mat image, int N)
{
//Param�tre 1 : Image d'entr�e � filtrer
//Param�tre 2 : Taille du filtre NxN
Mat block = Mat::zeros(N, N, CV_64FC1); //Matrice de bloc � traiter
int i, j; //Indices pour parcourir l'image
double val; // Valeur m�diane de chaque bloc
vector<double> vect; //Valeurs de pixels d'un bloc mis en ligne
for (i = 0; i < N * N; i++)
{
vect.push_back(0);
}
copyMakeBorder(image, image, 1, 1, 1, 1, BORDER_CONSTANT, Scalar(0)); //Z�ro-Padding r�alis� (n�c�ssaire ???)
int L = image.rows; //r�cup�ration lignes
int C = image.cols; //r�cup�ration colonnes
Mat im_sortie = Mat::zeros(L, C, CV_8UC1); //Initialisation de la matrice de sortie
image.convertTo(image, CV_64FC1); //Conversion de l'image au format float pour les calculs
int bords = int(N / 2);
////////CHARGEMENT
////////
for (i = bords; i < L - bords; i++) //On parcours l'image en partant du pixel central au bloc N/2
{
for (j = bords; j < C - bords; j++)
{
//PROGRESSION DU CHARGEMENT
//fenetre->progression((C-bords)*i + j);
//
bloc(image, i, j, N, block); //On r�cup�re le bloc de taille N
mat_vecteur(block, vect); //On met ce bloc en ligne
val = median(vect); //On r�cup�re la m�diane de ce vecteur
im_sortie.at<uchar>(i, j) = val; //On stocke la valeur m�diane � l'emplacement �tudi�
}
}
im_sortie.convertTo(im_sortie, CV_8UC1);
//Fin du chargement
//fenetre->close();
return(im_sortie);
}
vector<double> histo(Mat image)
{
vector<double> vect;
int i;
Mat imageh;
for (i = 0; i < imageh.rows * imageh.cols; i++)
{
vect.push_back(0);
}
int k;
image.convertTo(imageh,CV_64FC1);
mat_vecteur2(imageh,vect);
int nb = vect.size();
sort(vect.begin(), vect.end());
vector<double> vect2;
int l = 0;
for (l = 0; l < 256; l++)
{
vect2.push_back(0);
}
int j = 0;
for (k = 0; k < nb; k++)
{
if (vect[k] == j)
{
vect2[j] = vect2[j]+1;
}
else
{
j = j+1;
k = k-1;
}
}
/*for (k = 0; k<256; k++ )
{
cout << vect2[k] << endl;
}*/
return vect2;
}
// Manipulation d'histogrammes
// Normalisation histogramme
Mat im_norm(Mat image, int ValMax, int ValMin)
{
Mat image2; //on passe l'image en niveaux de gris
image.convertTo(image2,CV_64FC1);
int i, j;
int L = image.rows;
int C = image.cols;
Mat im_sortie = Mat::zeros(image.size(),CV_64FC1);
// image.convertTo(im_sortie, CV_8UC1);
double minVal, maxVal;
minMaxLoc(image2, &minVal, &maxVal);
for (i = 0; i < L ; i++)
{
for (j = 0; j < C ; j++)
{
im_sortie.at<double>(i, j) = ((ValMax - ValMin)/(maxVal - minVal))*((image2.at<double>(i,j))-minVal);
}
}
im_sortie.convertTo(im_sortie, image.type());
return im_sortie;
}
// Egalisation histogtramme
vector<double> histocumul(Mat image)
{
vector<double> vect;
int k;
Mat imageh;
image.convertTo(imageh,CV_64FC1);
mat_vecteur2(imageh,vect);
int nb = vect.size();
sort(vect.begin(), vect.end());
vector<double> vect2;
vector<double> vect3;
int l = 0;
for (l = 0; l < 256; l++)
{
vect2.push_back(0);
vect3.push_back(0);
}
int j = 0;
for (k = 0; k < nb; k++)
{
if (vect[k] == j)
{
vect2[j] = vect2[j]+1;
}
else
{
j = j+1;
k = k-1;
}
}
vect3[0] = vect2[0];
for (k = 1; k < 256 ; k++)
{
vect3[k] = vect3[k-1] + vect2[k];
}
// for (k = 0; k<256; k++ )
// {
// cout << vect3[k] << endl;
// }
//
return vect3;
}
Mat im_egal(Mat image, int ValMin, int ValMax)
{
int i, j;
int L = image.rows;
int C = image.cols;
Mat image2; //on passe l'image en niveaux de gris
image.convertTo(image2,CV_64FC1);
Mat im_sortie = Mat::zeros(image.size(),CV_64FC1);
//Mat image2 = image.clone();
//image2.convertTo(image2, CV_64FC1);
vector<double> histo_c = histocumul(image2);
// printf("%f\n",image2.at<double>(0, 0));
equalizeHist(image,im_sortie);
for (i = 0; i < 0 ; i++)
{
for (j = 0; j < 0 ; j++)
{
im_sortie.at<double>(i, j) = ((ValMax - ValMin)/(L*C))*histo_c[image2.at<double>(i,j)]+ValMin;
// printf("%f\n",im_sortie.at<uchar>(i, j));
}
}
normalize(im_sortie, im_sortie, 0, 255, NORM_MINMAX);
im_sortie.convertTo(im_sortie, image.type());
return(im_sortie);
}
// Algorithmes de traitement
// Bruitage
Mat bruit_blanc(Mat image, double variance)
{
/*
Fonction permettant de bruiter une image avec deux type de bruit : bruit impulsionnel ou bruit additif gaussien.
La fonction prend en entrée uniquement l'image originale à bruiter, le choix du type de bruit se fait par la suite.
*/
Mat image2; //on passe l'image en niveaux de gris
image.convertTo(image2,CV_64FC1);
Mat image_bruitee = Mat::zeros(image.size(),CV_64FC1); //initialisation de l'image bruitée
Mat b = Mat::zeros(image.size(),CV_64FC1); //matrice de bruit (elle est remplie en fonction du type de bruit)
int ligne = image.rows; //récupération des dimensions de l'image initiale
int colonne = image.cols;
int x,y; //variables pour parcourir l'image
RNG rng(clock());
//cout << "quelle variance souhaitez-vous pour le bruit?" << endl;
//cin >> variance; //on paramètre le bruit (plus la variance est élevée, plus le bruit est visible)
//variance = 5;
for (x=0; x<ligne; x++) //on parcourt l'image
{
for (y=0; y<colonne; y++)
{
b.at<double>(x,y) = rng.gaussian(variance); //on génère une VA suivant une loi normale
image_bruitee.at<double>(x,y) = image2.at<double>(x,y) + b.at<double>(x,y); //on ajoute ce bruit à chaque pixel initiaux
}
}
image_bruitee.convertTo(image_bruitee,image.type()); //on repasse au type d'image initiale
return image_bruitee; //on offre l'image bruitée
}
Mat bruit_ps(Mat image, double poivre)
{
Mat image2; //on passe l'image en niveaux de gris
image.convertTo(image2, CV_64FC1);
Mat image_bruitee = Mat::zeros(image.size(), CV_64FC1); //initialisation de l'image bruitée
Mat b = Mat::zeros(image.size(), CV_64FC1); //matrice de bruit (elle est remplie en fonction du type de bruit)
//double poivre = 0.01; //Variable de pourcentage de poivre et sel
double sel = 1 - poivre;
int ligne = image.rows; //récupération des dimensions de l'image initiale
int colonne = image.cols;
int x, y; //variables pour parcourir l'image
double aleatoire;
std::random_device rd; // Will be used to obtain a seed for the random number engine
std::mt19937 gen(rd()); // Standard mersenne_twister_engine seeded with rd()
uniform_real_distribution<double> alea(0, 1.0); //Génération d'un nombre entre 0 et 1 suivant une distribution uniforme
for (x = 0; x < ligne; x++) //on parcourt les pixels de l'image
{
for (y = 0; y < colonne; y++)
{
aleatoire = alea(gen);
if (aleatoire < poivre) // si le bruit généré vaut 0, le pixel de l'image résultante par la valeur min (0)
{
image_bruitee.at<double>(x, y) = 0;
}
else if (aleatoire > sel) //si le bruit généré vaut 255, le pixel de l'image résultante prend la valeur max (255)
{
image_bruitee.at<double>(x, y) = 255;
}
else
{
image_bruitee.at<double>(x, y) = image2.at<double>(x, y); //pour tous les autres cas, on conserve les pixels originaux
}
}
}
image_bruitee.convertTo(image_bruitee, image.type()); //on repasse au type d'image initiale
return(image_bruitee);
}
Mat binarisation(Mat image, double seuil){
Mat image2;
image.convertTo(image2,CV_64FC1);
int ligne = image.rows;
int colonne = image.cols;
int x, y;
Mat image_resultante(image.size(),CV_64FC1);
for (x=0; x<ligne; x++)
{
for (y=0; y<colonne; y++)
{
if (image2.at<double>(x,y) >seuil)
{
image_resultante.at<double>(x,y)= 255;
}
else
{
image_resultante.at<double>(x,y) = 0;
}
}
}
image_resultante.convertTo(image_resultante,image.type());
return(image_resultante);
}
Mat km(Mat image, int nombre_classes)
{
Mat image2;
image.convertTo(image2, CV_64FC1);
Mat image_classifiee = Mat::zeros(image.size(), CV_64FC1); //initialisation de l'image classifiée (=image résultante)
int ligne = image.rows; //récupération du nombre de lignes et de colonnes de l'image initiale
int colonne = image.cols;