一、知识点
1、int createTrackbar(const String & trackbarname, const String & winname, int * value, int count, TrackbarCallback onChange = 0, void * userdata = 0);
  (1)、创建一个滑动条并将其附在指定窗口上。
  (2)、参数说明:
      trackbarname: 创建的滑动条显示名称。
      winname: 包含滑动条的窗口名称。
      value: 将由滑动条更改的整数值的指针。
      count: 滑动条的最大位置。
      onChange: 回调函数，每次滑块改变位置时会调用此函数。 函数原型void Foo(int, void *)，第一个参数是滑动条位置，第二个参数是用户数据。 如果为nullptr，则不会调用回调函数，但是value仍然自动更新。
      userdata: 用户数据，传递给回调函数。
      
2、void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype = -1);
  (1)、计算两个数组的加权和。 在多通道情况下，每个通道都是独立处理的。
  (2)、算法代码: dst = src1 * alpha + src2 * beta + gamma;
  (3)、参数说明:
      src1: 第一个输入数组。
      alpha: 第一个数组元素的权重。
      src2: 第二个输入数组，和src1大小和通道数相同。
      beta: 第二个数组元素权重。
      gamma: 标量，会添加到总和中。
      dst: 输出数组。
      dtype: 输出数组的可选深度。 当两个输入数组具有相同的深度时，dtype可以设置为-1，这相当于src1.depth()。
  (4)、src1 * alpha可以改变对比度，比如原先2个值为2、4，相差2，分别乘以2后为4、8，相差4，差值变大。
  (5)、gamma可以改变亮度，总和中每个像素的每个通道值都会加上gamma。
  
      
      
二、示例代码: 滑动条调整图像对比度和亮度

#include <iostream>
#include <opencv2/opencv.hpp>void onContrast(int value, void * pSrc)
{cv::Mat src = *((cv::Mat *)pSrc);cv::Mat temp = cv::Mat::zeros(src.size(), CV_8UC3);cv::Mat dst;double contrast = value / 50.0;cv::addWeighted(src, contrast, temp, 0.0, 0.0, dst);cv::imshow("对比度和亮度调整", dst);
}void onLightness(int value, void * pSrc)
{cv::Mat src = *((cv::Mat *)pSrc);cv::Mat temp = cv::Mat::zeros(src.size(), CV_8UC3);cv::Mat dst;cv::addWeighted(src, 1.0, temp, 0.0, value, dst);cv::imshow("对比度和亮度调整", dst);
}int main()
{cv::Mat src = cv::imread("../images/8.png");if (src.empty()){std::cout << "load src image error..." << std::endl;return -1;}cv::imshow("原始图像", src);cv::namedWindow("对比度和亮度调整", cv::WINDOW_AUTOSIZE);int contrastValue = 50;cv::createTrackbar("对比度", "对比度和亮度调整", &contrastValue, 100, onContrast, &src);int lightnessValue = 50;cv::createTrackbar("亮度", "对比度和亮度调整", &lightnessValue, 100, onLightness, &src);cv::waitKey(0);return 0;
}