用OpenCV实现Photoshop算法(一): 图像旋转

系列文章：
用OpenCV实现Photoshop算法(一):
图像旋转

用OpenCV实现Photoshop算法(二):
图像剪切

用OpenCV实现Photoshop算法(三):
曲线调整
用OpenCV实现Photoshop算法(四): 色阶调整
用OpenCV实现Photoshop算法(五):
亮度对比度调整
用OpenCV实现Photoshop算法(六):
变为黑白图像
用OpenCV实现Photoshop算法(七):
调整色相饱和度
用OpenCV实现Photoshop算法(八):
可选颜色
用OpenCV实现Photoshop算法(九): 高反差保留




最近学习了OpenCV，于是想用它实现Photoshop的主要功能，用于照片处理。

对于一张照片，PS的一般处理步骤包括：

1， 旋转图片，校正位置。

2，剪切，调整大小，重新构图。

3，调整色阶、曲线，使图片曝光正确、对比适中。

4，调整对比度、饱和度

5，印章去掉不想要的东西，液化调整形体线条

6，对于人像图片，美肤、美白

7， 用色彩平衡、可选颜色等调整色调，形成照片调性

8，加一些光效

9，锐化

以后的一系列博文将采用OpenCV逐一实现Photoshop的算法和功能， 并用计算机视觉人工智能方式，尝试超越Photoshop一点点。

本系列博文基于OpenCV,  编程语言为C++.    由于OpenCV的跨平台性，代码可以在用于Windows, Linux, 作个接口后可用于Android,IOS.

一、图像旋转

OpenCV中， 用 warpAffine()  仿射变换函数即可以实现旋转。

例如，写一个 旋转函数 imageRotate1() 如下：

#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>

//src为原图像， dst为新图像, angle为旋转角度(正值为顺时针旋转,负值为逆时针旋转)
int imageRotate1(InputArray src, OutputArray dst, double angle)
{
Mat input = src.getMat();
if( input.empty() ) {
return -1;
}

//得到图像大小
int width = input.cols;
int height = input.rows;

//计算图像中心点
Point2f center;
center.x = width / 2.0;
center.y = height / 2.0;

//获得旋转变换矩阵
double scale = 1.0;
Mat trans_mat = getRotationMatrix2D( center, -angle, scale );

//仿射变换
warpAffine( input, dst, trans_mat, Size(width, height));

return 0;
}

图像旋转 -17度 的结果



在函数 imageRotate1()中，新图像沿用原图像大小。旋转后，图像的角部被切掉了。

这样显然不正确，需要调整图像尺寸。

调整方式一： 扩大图片，将原图片包含进去，计算示意图如下：



新图片大小为： out_width = (width*cos(a)+height*sin(a);   out_height = height*cos(a)+width*sin(a))

修改原函数为 imageRotate2() ：

//图像旋转: src为原图像， dst为新图像, angle为旋转角度
int imageRotate2(InputArray src, OutputArray dst, double angle)
{
Mat input = src.getMat();
if( input.empty() ) {
return -1;
}

//得到图像大小
int width = input.cols;
int height = input.rows;

//计算图像中心点
Point2f center;
center.x = width / 2.0;
center.y = height / 2.0;

//获得旋转变换矩阵
double scale = 1.0;
Mat trans_mat = getRotationMatrix2D( center, -angle, scale );

//计算新图像大小
double angle1 = angle  * CV_PI / 180. ;
double a = sin(angle1) * scale;
double b = cos(angle1) * scale;
double out_width = height * fabs(a) + width * fabs(b);
double out_height = width * fabs(a) + height * fabs(b);

//仿射变换
warpAffine( input, dst, trans_mat, Size(out_width, out_height));

return 0;
}

图像旋转 -17度 的结果



还是不对，新图像变大了，但图像中心点不对，需要在旋转矩阵中加入平移，在一次变换中同时完成旋转和平移，将新图像的中心点移到正确位置。 

再次修改函数为： imageRotate3()

//图像旋转: src为原图像， dst为新图像, angle为旋转角度
int imageRotate3(InputArray src, OutputArray dst, double angle)
{
Mat input = src.getMat();
if( input.empty() ) {
return -1;
}

//得到图像大小
int width = input.cols;
int height = input.rows;

//计算图像中心点
Point2f center;
center.x = width / 2.0;
center.y = height / 2.0;

//获得旋转变换矩阵
double scale = 1.0;
Mat trans_mat = getRotationMatrix2D( center, -angle, scale );

//计算新图像大小
double angle1 = angle  * CV_PI / 180. ;
double a = sin(angle1) * scale;
double b = cos(angle1) * scale;
double out_width = height * fabs(a) + width * fabs(b);
double out_height = width * fabs(a) + height * fabs(b);

//在旋转变换矩阵中加入平移量
trans_mat.at<double>(0, 2) += cvRound( (out_width - width) / 2 );
trans_mat.at<double>(1, 2) += cvRound( (out_height - height) / 2);

//仿射变换
warpAffine( input, dst, trans_mat, Size(out_width, out_height));

return 0;
}

这一次正确了，新图像变大了，同时图像中心点移到了新的中心点，原图像全部能显示出来。



在实际照片旋转中，我们经常采用另一种剪切形式的调整方式：图像旋转后，缩小图片，使图片各个边角均不出现黑边。 下图红框即为新图象大小，如下：



这种调整方式下，新图像大小的计算稍为有点复杂，在网上也没有找到范例，只能自己计算了。

1，如上，旋转后的外边框大小为：    out_width =（width*cos(a)+height*sin(a);     out_height = height*cos(a)+width*sin(a)）

2,  画几根辅助线，如下图：(注意右边图中的粉红三角形)

     其最长的边长 len =  width*cos(a)

      角a 即旋转角度

      由于外边框大小已知，则角b 可计算出来。

      求解 Y:    Y = len / ( 1 / tan( a ) + 1 / tan( b ) )

                          X =  Y * 1 /  tan( b )

     最后求得  红框的长、宽为：   new_width = out_width - 2 * X;     new_height = out_height - 2 * Y



再次修改函数为： imageRotate4()

增加了一个参数： isClip ,    当isClip为true时，采取缩小图片的剪切方式，否则采取放大图片的方式。

//图像旋转: src为原图像， dst为新图像, angle为旋转角度, isClip表示是采取缩小图片的方式
int imageRotate4(InputArray src, OutputArray dst, double angle, bool isClip)
{
Mat input = src.getMat();
if( input.empty() ) {
return -1;
}

//得到图像大小
int width = input.cols;
int height = input.rows;

//计算图像中心点
Point2f center;
center.x = width / 2.0;
center.y = height / 2.0;

//获得旋转变换矩阵
double scale = 1.0;
Mat trans_mat = getRotationMatrix2D( center, -angle, scale );

//计算新图像大小
double angle1 = angle  * CV_PI / 180. ;
double a = sin(angle1) * scale;
double b = cos(angle1) * scale;
double out_width = height * fabs(a) + width * fabs(b); //外边框长度
double out_height = width * fabs(a) + height * fabs(b);//外边框高度

int new_width, new_height;
if ( ! isClip ) {
new_width = cvRound(out_width);
new_height = cvRound(out_height);
} else {
//calculate width and height of clip rect
double angle2 = fabs(atan(height * 1.0 / width)); //即角度 b
double len = width * fabs(b);
double Y = len / ( 1 / fabs(tan(angle1)) + 1 / fabs(tan(angle2)) );
double X = Y * 1 / fabs(tan(angle2));
new_width = cvRound(out_width - X * 2);
new_height= cvRound(out_height - Y * 2);
}

//在旋转变换矩阵中加入平移量
trans_mat.at<double>(0, 2) += cvRound( (new_width - width) / 2 );
trans_mat.at<double>(1, 2) += cvRound( (new_height - height) / 2);

//仿射变换
warpAffine( input, dst, trans_mat, Size(new_width, new_height));

return 0;
}

以下是 isClip为true,  旋转角度为 10 的结果，可见图片旋转了、缩小了，没有黑边



由于不注意，人们拍照时经常拍歪了，一般歪得也不多，但照片就不好看了。

因此，有这么一个问题：  能否智能判别图像是否拍歪了，如果歪了，则自动计算出要旋转摆正的角度。从而使得人们一拍照，就自动拍正。

（PS：这个功能是Photoshop没有的，如果能实现，算不算超越Photoshop一点点呢？）

解决思路是这样的：

    1， 图像一般有一个或两条长直线（通常这个可能是地平线、建筑物等），且倾斜角度不大

    2， 利用 OpenCV图像识别能力，识别出图中有哪些直线。

    3， 分析这些直线，  如果长度足够长、且位置相对居中，选取最长的两条直线，测算摆正它所需的角度，做为返回值。

事实上，人工纠正图片的Photoshop操作方式也是这样的：我们在图中人眼找一个基准线，用“度量工具”画一条线，再点菜单“图象/ 旋转画布/ 任意角度", 则Photoshop将计算出需要旋转的角度。

尝试写了一个函数:   detectRotation(),  用于自动检测摆正图像的所需的旋转角度， 如下： 

/**
* 智能检测图像倾斜度
* 返回值：返回0表示无检测结果，返回非0表示摆正图象需要旋转的角度（-10至10度）
*/
double detectRotation(InputArray src)
{
double max_angle = 6; //可旋转的最大角度

Mat in = src.getMat();
if( in.empty() ) return 0;

Mat input;

//转为灰度图
if ( in.type() == CV_8UC1 )
input = in;
else if ( in.type() == CV_8UC3 )
cvtColor(in, input, CV_BGR2GRAY);
else if ( in.type() == CV_8UC3 )
cvtColor(in, input, CV_BGRA2GRAY);
else
return 0;

Mat dst, cdst;

//执行Canny边缘检测(检测结果为dst, 为黑白图)
double threshold1 = 90;
Canny(src, dst, threshold1, threshold1 * 3, 3);

//将Canny边缘检测结果转化为灰度图像(cdst)
cvtColor(dst, cdst, CV_GRAY2BGR);

//执行霍夫线变换，检测直线
vector<Vec4i> lines; //存放检测结果的vector
double minLineLength = std::min(dst.cols, dst.rows) * 0.25; //最短线长度
double maxLineGap = std::min(dst.cols, dst.rows) * 0.03 ; //最小线间距
int threshold = 90;
HoughLinesP(dst, lines, 1, CV_PI / 180, threshold, minLineLength, maxLineGap );

//分析所需变量
int x1, y1, x2 , y2; //直线的两个端点
int x, y;  //直线的中点
double angle, rotate_angle; //直线的角度，摆正直线需要旋转的角度
double line_length; //直线长度
double position_weighted; //直线的位置权重：靠图像中央的线权重为1, 越靠边的线权重越小
double main_lens[2]; //用于存放最长的二条直线长度的数组 (这两条直线即是主线条)
double main_angles[2];//用于存放最长的二条直线的摆正需要旋转的角度
main_lens[0] = main_lens[1] = 0;
main_angles[0] = main_angles[1] = 0;

//逐个分析各条直线，判断哪个是主线条
for( size_t i = 0; i < lines.size(); i++ ) {
//取得直线的两个端点座标
x1 = lines[i][0]; y1 = lines[i][1]; x2 = lines[i][2]; y2 = lines[i][3];
x = (x1 + x2 ) / 2; y = (y1 + y2) / 2;
//计算直线的角度
angle =	(x1 == x2) ? 90 : ( atan ( (y1 - y2) * 1.0 / (x2 - x1) ) ) / CV_PI * 180;
//摆正直线需要旋转的角度. 如果超出可旋转的最大角度,则忽略这个线。
if ( fabs(angle - 0) <= max_angle ) {
rotate_angle = angle - 0;
} else if ( fabs(angle - 90) <= max_angle ) {
rotate_angle = angle - 90;
} else {
continue;
}

//计算线的长度
line_length = sqrt( (x1 - x2) * (x1 - x2) + (y1 - y2) * (y1 - y2)  );
//计算直线的位置权重：靠图像中央的线权重为1, 越靠边的线权重越小
position_weighted = 1;
if ( x < dst.cols / 4 || x > dst.cols * 3 / 4  ) position_weighted *= 0.8;
if ( x < dst.cols / 6 || x > dst.cols * 5 / 6  ) position_weighted *= 0.5;
if ( x < dst.cols / 8 || x > dst.cols * 7 / 8  ) position_weighted *= 0.5;
if ( y < dst.rows / 4 || y > dst.rows * 3 / 4  ) position_weighted *= 0.8;
if ( y < dst.rows / 6 || y > dst.rows * 5 / 6  ) position_weighted *= 0.5;
if ( y < dst.rows / 8 || y > dst.rows * 7 / 8  ) position_weighted *= 0.5;

//如果 直线长度 * 位置权重 < 最小长度， 则这条线无效
line_length = line_length * position_weighted;
if ( line_length < minLineLength ) continue;

//如果长度为前两名，则存入数据
if ( line_length > main_lens[1] )  {
if (line_length > main_lens[0]) {
main_lens[1] = main_lens[0];
main_lens[0] = line_length;
main_angles[1] = main_angles[0];
main_angles[0] = rotate_angle;
//如果定义了 SHOW_LINE, 则将该线条画出来
#ifdef SHOW_LINE
line( cdst, Point(x1, y1), Point(x2, y2), Scalar(0,0,255), 3, CV_AA);
#endif
} else {
main_lens[1] = line_length;
main_angles[1] = rotate_angle;
}
}
}

//如果定义了 SHOW_LINE, 则在source_window中显示cdst
#ifdef SHOW_LINE
imshow(source_window, cdst);
#endif

//最后，分析最长的二条直线，得出结果
if ( main_lens[0] > 0 ) {
//如果最长的线 与 次长的线 两者长度相近，则返回两者需要旋转的角度的平均值
if (main_lens[1] > 0 && (main_lens[0] - main_lens[1] / main_lens[0] < 0.2 )) {
return (main_angles[0] + main_angles[1] ) / 2;
} else {
return main_angles[0];   //否则，返回最长的线需要旋转的角度
}
} else {
return 0;
}
}

使用detectRotation()函数自动测试角度，并显示出主要线条，运行结果：



恩，有那么一点意思， 找出了几个主线条，得出旋转 -5 度，则可以摆正图片。

当然，这个 detectRotation()函数还不是很智能，可用性还有待改进。

最后， 把本文所有代码和主程序贴上来（有点长，不过方便复制）。配置好OpenCV开发环境，把代码复制下来，就可以调试了。

代码中需要说明的是：  由于opencv的滚动条只能显示正值。 本例中rotation 的 滚动条，值为100时表示旋转角度为0。 如果小于100, 表示旋转角度为负。

#include <iostream>
#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include <cmath>

using namespace std;
using namespace cv;

#define SHOW_LINE

#define BASE 100

static string source_window = "source";
static string window_name = "image rotate";
static Mat src;
static int rotateDegree = 0 + BASE;
static int clip = 0;

//图像旋转: src为原图像， dst为新图像, angle为旋转角度(正值为顺时针旋转,负值为逆时针旋转)
int imageRotate1(InputArray src, OutputArray dst, double angle)
{
Mat input = src.getMat();
if( input.empty() ) {
return -1;
}

//得到图像大小
int width = input.cols;
int height = input.rows;

//计算图像中心点
Point2f center;
center.x = width / 2.0;
center.y = height / 2.0;

//获得旋转变换矩阵
double scale = 1.0;
Mat trans_mat = getRotationMatrix2D( center, -angle, scale );

//仿射变换
warpAffine( input, dst, trans_mat, Size(width, height));

return 0;
}

//图像旋转: src为原图像， dst为新图像, angle为旋转角度
int imageRotate2(InputArray src, OutputArray dst, double angle)
{
Mat input = src.getMat();
if( input.empty() ) {
return -1;
}

//得到图像大小
int width = input.cols;
int height = input.rows;

//计算图像中心点
Point2f center;
center.x = width / 2.0;
center.y = height / 2.0;

//获得旋转变换矩阵
double scale = 1.0;
Mat trans_mat = getRotationMatrix2D( center, -angle, scale );

//计算新图像大小
double angle1 = angle  * CV_PI / 180. ;
double a = sin(angle1) * scale;
double b = cos(angle1) * scale;
double out_width = height * fabs(a) + width * fabs(b);
double out_height = width * fabs(a) + height * fabs(b);

//仿射变换
warpAffine( input, dst, trans_mat, Size(out_width, out_height));

return 0;
}

//图像旋转: src为原图像， dst为新图像, angle为旋转角度
int imageRotate3(InputArray src, OutputArray dst, double angle)
{
Mat input = src.getMat();
if( input.empty() ) {
return -1;
}

//得到图像大小
int width = input.cols;
int height = input.rows;

//计算图像中心点
Point2f center;
center.x = width / 2.0;
center.y = height / 2.0;

//获得旋转变换矩阵
double scale = 1.0;
Mat trans_mat = getRotationMatrix2D( center, -angle, scale );

//计算新图像大小
double angle1 = angle  * CV_PI / 180. ;
double a = sin(angle1) * scale;
double b = cos(angle1) * scale;
double out_width = height * fabs(a) + width * fabs(b);
double out_height = width * fabs(a) + height * fabs(b);

//在旋转变换矩阵中加入平移量
trans_mat.at<double>(0, 2) += cvRound( (out_width - width) / 2 );
trans_mat.at<double>(1, 2) += cvRound( (out_height - height) / 2);

//仿射变换
warpAffine( input, dst, trans_mat, Size(out_width, out_height));

return 0;
}

//图像旋转: src为原图像， dst为新图像, angle为旋转角度, isClip表示是采取缩小图片的方式
int imageRotate4(InputArray src, OutputArray dst, double angle, bool isClip)
{
Mat input = src.getMat();
if( input.empty() ) {
return -1;
}

//得到图像大小
int width = input.cols;
int height = input.rows;

//计算图像中心点
Point2f center;
center.x = width / 2.0;
center.y = height / 2.0;

//获得旋转变换矩阵
double scale = 1.0;
Mat trans_mat = getRotationMatrix2D( center, -angle, scale );

//计算新图像大小
double angle1 = angle  * CV_PI / 180. ;
double a = sin(angle1) * scale;
double b = cos(angle1) * scale;
double out_width = height * fabs(a) + width * fabs(b); //外边框长度
double out_height = width * fabs(a) + height * fabs(b);//外边框高度

int new_width, new_height;
if ( ! isClip ) {
new_width = cvRound(out_width);
new_height = cvRound(out_height);
} else {
//calculate width and height of clip rect
double angle2 = fabs(atan(height * 1.0 / width)); //即角度 b
double len = width * fabs(b);
double Y = len / ( 1 / fabs(tan(angle1)) + 1 / fabs(tan(angle2)) );
double X = Y * 1 / fabs(tan(angle2));
new_width = cvRound(out_width - X * 2);
new_height= cvRound(out_height - Y * 2);
}

//在旋转变换矩阵中加入平移量
trans_mat.at<double>(0, 2) += cvRound( (new_width - width) / 2 );
trans_mat.at<double>(1, 2) += cvRound( (new_height - height) / 2);

//仿射变换
warpAffine( input, dst, trans_mat, Size(new_width, new_height));

return 0;
}

/**
* 检测图像倾斜度
* 返回值：返回0表示无检测结果，返回非0表示摆正图象需要旋转的角度（-10至10度）
*/
double detectRotation(InputArray src)
{
double max_angle = 6; //可旋转的最大角度

Mat in = src.getMat();
if( in.empty() ) return 0;

Mat input;

//转为灰度图
if ( in.type() == CV_8UC1 )
input = in;
else if ( in.type() == CV_8UC3 )
cvtColor(in, input, CV_BGR2GRAY);
else if ( in.type() == CV_8UC3 )
cvtColor(in, input, CV_BGRA2GRAY);
else
return 0;

Mat dst, cdst;

//执行Canny边缘检测(检测结果为dst, 为黑白图)
double threshold1 = 90;
Canny(src, dst, threshold1, threshold1 * 3, 3);

//将Canny边缘检测结果转化为灰度图像(cdst)
cvtColor(dst, cdst, CV_GRAY2BGR);

//执行霍夫线变换，检测直线
vector<Vec4i> lines; //存放检测结果的vector
double minLineLength = std::min(dst.cols, dst.rows) * 0.25; //最短线长度
double maxLineGap = std::min(dst.cols, dst.rows) * 0.03 ; //最小线间距
int threshold = 90;
HoughLinesP(dst, lines, 1, CV_PI / 180, threshold, minLineLength, maxLineGap );

//分析所需变量
int x1, y1, x2 , y2; //直线的两个端点
int x, y;  //直线的中点
double angle, rotate_angle; //直线的角度，摆正直线需要旋转的角度
double line_length; //直线长度
double position_weighted; //直线的位置权重：靠图像中央的线权重为1, 越靠边的线权重越小
double main_lens[2]; //用于存放最长的二条直线长度的数组 (这两条直线即是主线条)
double main_angles[2];//用于存放最长的二条直线的摆正需要旋转的角度
main_lens[0] = main_lens[1] = 0;
main_angles[0] = main_angles[1] = 0;

//逐个分析各条直线，判断哪个是主线条
for( size_t i = 0; i < lines.size(); i++ ) {
//取得直线的两个端点座标
x1 = lines[i][0]; y1 = lines[i][1]; x2 = lines[i][2]; y2 = lines[i][3];
x = (x1 + x2 ) / 2; y = (y1 + y2) / 2;
//计算直线的角度
angle =	(x1 == x2) ? 90 : ( atan ( (y1 - y2) * 1.0 / (x2 - x1) ) ) / CV_PI * 180;
//摆正直线需要旋转的角度. 如果超出可旋转的最大角度,则忽略这个线。
if ( fabs(angle - 0) <= max_angle ) {
rotate_angle = angle - 0;
} else if ( fabs(angle - 90) <= max_angle ) {
rotate_angle = angle - 90;
} else {
continue;
}

//计算线的长度
line_length = sqrt( (x1 - x2) * (x1 - x2) + (y1 - y2) * (y1 - y2)  );
//计算直线的位置权重：靠图像中央的线权重为1, 越靠边的线权重越小
position_weighted = 1;
if ( x < dst.cols / 4 || x > dst.cols * 3 / 4  ) position_weighted *= 0.8;
if ( x < dst.cols / 6 || x > dst.cols * 5 / 6  ) position_weighted *= 0.5;
if ( x < dst.cols / 8 || x > dst.cols * 7 / 8  ) position_weighted *= 0.5;
if ( y < dst.rows / 4 || y > dst.rows * 3 / 4  ) position_weighted *= 0.8;
if ( y < dst.rows / 6 || y > dst.rows * 5 / 6  ) position_weighted *= 0.5;
if ( y < dst.rows / 8 || y > dst.rows * 7 / 8  ) position_weighted *= 0.5;

//如果 直线长度 * 位置权重 < 最小长度， 则这条线无效
line_length = line_length * position_weighted;
if ( line_length < minLineLength ) continue;

//如果长度为前两名，则存入数据
if ( line_length > main_lens[1] )  {
if (line_length > main_lens[0]) {
main_lens[1] = main_lens[0];
main_lens[0] = line_length;
main_angles[1] = main_angles[0];
main_angles[0] = rotate_angle;
//如果定义了 SHOW_LINE, 则将该线条画出来
#ifdef SHOW_LINE
line( cdst, Point(x1, y1), Point(x2, y2), Scalar(0,0,255), 3, CV_AA);
#endif
} else {
main_lens[1] = line_length;
main_angles[1] = rotate_angle;
}
}
}

//如果定义了 SHOW_LINE, 则在source_window中显示cdst
#ifdef SHOW_LINE
imshow(source_window, cdst);
#endif

//最后，分析最长的二条直线，得出结果
if ( main_lens[0] > 0 ) {
//如果最长的线 与 次长的线 两者长度相近，则返回两者需要旋转的角度的平均值
if (main_lens[1] > 0 && (main_lens[0] - main_lens[1] / main_lens[0] < 0.2 )) {
return (main_angles[0] + main_angles[1] ) / 2;
} else {
return main_angles[0];   //否则，返回最长的线需要旋转的角度
}
} else {
return 0;
}
}

static void callbackAdjust(int , void *)
{
Mat dst;

//imageRotate1(src, dst, rotateDegree - BASE);
//imageRotate2(src, dst, rotateDegree - BASE);
//imageRotate3(src, dst, rotateDegree - BASE);

bool isClip = ( clip == 1 );
imageRotate4(src, dst, rotateDegree - BASE,  isClip );

imshow(window_name, dst);
}

int main()
{
src = imread("building.jpg");

if ( !src.data ) {
cout << "error read image" << endl;
return -1;
}

namedWindow(source_window);
imshow(source_window, src);

namedWindow(window_name);
createTrackbar("rotate", window_name, &rotateDegree, BASE * 2, callbackAdjust);
createTrackbar("clip", window_name, &clip, 1, callbackAdjust);

//自动检测旋转角度
double angle = detectRotation(src);
if ( angle != 0 ) {
rotateDegree = angle + BASE;
setTrackbarPos("rotate", window_name, rotateDegree);
}

callbackAdjust(0, 0);

waitKey();

return 0;

}

系列文章：
用OpenCV实现Photoshop算法(一):
图像旋转

用OpenCV实现Photoshop算法(二):
图像剪切

用OpenCV实现Photoshop算法(三):
曲线调整
用OpenCV实现Photoshop算法(四): 色阶调整

系列文章：
用OpenCV实现Photoshop算法(一):
图像旋转

用OpenCV实现Photoshop算法(二):
图像剪切

用OpenCV实现Photoshop算法(三):
曲线调整
用OpenCV实现Photoshop算法(四): 色阶调整
用OpenCV实现Photoshop算法(五):
亮度对比度调整