這篇文章主要介紹C語(yǔ)言如何實(shí)現(xiàn)opencv提取直線、輪廓及ROI，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！
創(chuàng)新互聯(lián)建站主要從事網(wǎng)站設(shè)計(jì)制作、成都網(wǎng)站設(shè)計(jì)、網(wǎng)頁(yè)設(shè)計(jì)、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)陸川,十余年網(wǎng)站建設(shè)經(jīng)驗(yàn),價(jià)格優(yōu)惠、服務(wù)專業(yè),歡迎來(lái)電咨詢建站服務(wù):13518219792一、Canny檢測(cè)輪廓
在上一篇文章中有提到sobel邊緣檢測(cè)，并重寫了soble的C++代碼讓其與matlab中算法效果一致，而soble邊緣檢測(cè)是基于單一閾值的，我們不能兼顧到低閾值的豐富邊緣和高閾值時(shí)的邊緣缺失這兩個(gè)問(wèn)題。而canny算子則很好的彌補(bǔ)了這一不足，從目前看來(lái)，canny邊緣檢測(cè)在做圖像輪廓提取方面是最優(yōu)秀的邊緣檢測(cè)算法。
canny邊緣檢測(cè)采用雙閾值值法，高閾值用來(lái)檢測(cè)圖像中重要的、顯著的線條、輪廓等，而低閾值用來(lái)保證不丟失細(xì)節(jié)部分，低閾值檢測(cè)出來(lái)的邊緣更豐富，但是很多邊緣并不是我們關(guān)心的。最后采用一種查找算法，將低閾值中與高閾值的邊緣有重疊的線條保留，其他的線條都刪除。
本篇文章中不對(duì)canny的算法原理作進(jìn)一步說(shuō)明，稍后會(huì)在圖像處理算法相關(guān)的文章中詳細(xì)介紹。
下面我們用OpenCV中的Canny函數(shù)來(lái)檢測(cè)圖像邊緣
重慶分公司
重慶分公司
int main()
{
Mat I=imread("../cat.png");
cvtColor(I,I,CV_BGR2GRAY);
Mat contours;
Canny(I,contours,125,350);
threshold(contours,contours,128,255,THRESH_BINARY);
namedWindow("Canny");
imshow("Canny",contours);
waitKey();
return 0;
}顯示效果如下:
二、直線檢測(cè)
用到的是霍夫變換檢測(cè)直線的算法
直線在圖像中出現(xiàn)的頻率非常之高，而直線作為圖像的特征對(duì)于基本內(nèi)容的圖像分析有著很重要的作用，本文通過(guò)OpenCV中的hough變換來(lái)檢測(cè)圖像中的線條。
我們先看最基本的Hough變換函數(shù)HoughLines，它的原型如下：
void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 );
它的輸入是一個(gè)二值的輪廓圖像，往往是邊緣檢測(cè)得到的結(jié)果圖像；它的輸出是一個(gè)包含多個(gè)Vec2f點(diǎn)的數(shù)組，數(shù)組中的每個(gè)元素是一個(gè)二元浮點(diǎn)數(shù)據(jù)對(duì)
從這個(gè)函數(shù)的輸出結(jié)果我們可以看出，得到的直線并沒(méi)有指定在圖像中的開(kāi)始點(diǎn)與結(jié)束點(diǎn)，需要我們自己去計(jì)算，如果我們想把直接顯示在圖像中就會(huì)比較麻煩，而且會(huì)有很多角度接近的直線，其實(shí)它們是重復(fù)的，為了解決上面這些問(wèn)題，OpenCV又提供了一個(gè)函數(shù)HoughLinesP()。它的輸出是一個(gè)Vector of Vec4i。Vector每一個(gè)元素代表一條直線，是由一個(gè)4元浮點(diǎn)數(shù)組構(gòu)成，前兩個(gè)點(diǎn)一組，后兩個(gè)點(diǎn)一組，代表了在圖像中直線的起始和結(jié)束點(diǎn)。
void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta,int threshold, double minLineLength=0, double maxLineGap=0 );
解釋一下最后兩個(gè)參數(shù)，minLineLength指定了檢測(cè)直線中的最小寬度，如果低于最小寬度則舍棄掉，maxLineGap指定通過(guò)同一點(diǎn)的直線，如果距離小于maxLineGap就會(huì)進(jìn)行合并。
下面是一個(gè)用HoughLinesP檢測(cè)直線的例子：
int main()
{
Mat image=imread("../car.png");
Mat I;
cvtColor(image,I,CV_BGR2GRAY);
Mat contours;
Canny(I,contours,125,350);
threshold(contours,contours,128,255,THRESH_BINARY);
vector lines;
// 檢測(cè)直線，最小投票為90，線條不短于50，間隙不小于10
HoughLinesP(contours,lines,1,CV_PI/180,80,50,10);
drawDetectLines(image,lines,Scalar(0,255,0));
namedWindow("Lines");
imshow("Lines",image);
waitKey();
return 0;
} 上面程序?qū)z測(cè)到的線條保存在lines變量?jī)?nèi)，我們需要進(jìn)一步將它們畫在圖像上：
void drawDetectLines(Mat& image,const vector& lines,Scalar & color) { // 將檢測(cè)到的直線在圖上畫出來(lái) vector ::const_iterator it=lines.begin(); while(it!=lines.end()) { Point pt1((*it)[0],(*it)[1]); Point pt2((*it)[2],(*it)[3]); line(image,pt1,pt2,color,2); // 線條寬度設(shè)置為2 ++it; } }
實(shí)際上Hough變換可以檢測(cè)很多固定的形狀，比如：圓、正方形等。它們的原理基本相同，都是構(gòu)造一個(gè)投票矩陣。OpenCV里提供了檢測(cè)圓的函數(shù)HoughCircles，它的輸出是一個(gè)Vector of Vec3i，Vector的每個(gè)元素包含了3個(gè)浮點(diǎn)數(shù)，前2個(gè)是圓的中心坐標(biāo)，最后一個(gè)是半徑。
三、輪廓的提取與描述
在目標(biāo)識(shí)別中我們首先要把感興趣的目標(biāo)提取出來(lái)，而一般常見(jiàn)的步驟都是通過(guò)顏色或紋理提取出目標(biāo)的前景圖（一幅黑白圖像，目標(biāo)以白色顯示在圖像中），接下來(lái)我們要對(duì)前景圖進(jìn)行分析進(jìn)一步地把目標(biāo)提取出來(lái)，而這里常常用到的就是提取目標(biāo)的輪廓。
OpenCV里提取目標(biāo)輪廓的函數(shù)是findContours，它的輸入圖像是一幅二值圖像，輸出的是每一個(gè)連通區(qū)域的輪廓點(diǎn)的集合：vector
int main()
{
using namespace cv;
Mat image=imread("../shape.png");
cvtColor(image,image,CV_BGR2GRAY);
vector> contours;
// find
findContours(image,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE);
// draw
Mat result(image.size(),CV_8U,Scalar(0));
drawContours(result,contours,-1,Scalar(255),2);
namedWindow("contours");
imshow("contours",result);
waitKey();
return 0;
} 
上面程序中包含了2個(gè)函數(shù)，第一個(gè)是查找輪廓函數(shù)，它的第三個(gè)參數(shù)說(shuō)明查找輪廓的類型，這里我們使用的是外輪廓，還可以查找所有輪廓，即包括一些孔洞的部分，像圖像人物胳膊與腰間形成的輪廓。第4個(gè)參數(shù)說(shuō)明了輪廓表示的方法，程序中的參數(shù)說(shuō)明輪廓包括了所有點(diǎn)，也可以用其他參數(shù)讓有點(diǎn)直線的地方，只保存直線起始與終點(diǎn)的位置點(diǎn)，具體參數(shù)用法可以參考手冊(cè)里函數(shù)的介紹。
第二個(gè)函數(shù)drawContours是一個(gè)畫輪廓的函數(shù)，它的第3個(gè)參數(shù)程序里設(shè)置-1表示所有的輪廓都畫，你也可以指定要畫的輪廓的序號(hào)。
提取到輪廓后，其實(shí)我們更關(guān)心的是如果把這些輪廓轉(zhuǎn)換為可以利用的特征，也就是涉及到輪廓的描述問(wèn)題，這時(shí)就有多種方法可以選擇，比如矢量化為多邊形、矩形、橢圓等。OpenCV里提供了一些這樣的函數(shù)。
// 輪廓表示為一個(gè)矩形 Rect r = boundingRect(Mat(contours[0])); rectangle(result, r, Scalar(255), 2); // 輪廓表示為一個(gè)圓 float radius; Point2f center; minEnclosingCircle(Mat(contours[1]), center, radius); circle(result, Point(center), static_cast(radius), Scalar(255), 2); // 輪廓表示為一個(gè)多邊形 vector poly; approxPolyDP(Mat(contours[2]), poly, 5, true); vector ::const_iterator itp = poly.begin(); while (itp != (poly.end() - 1)) { line(result, *itp, *(itp + 1), Scalar(255), 2); ++itp; } line(result, *itp, *(poly.begin()), Scalar(255), 2); // 輪廓表示為凸多邊形 vector hull; convexHull(Mat(contours[3]), hull); vector ::const_iterator ith = hull.begin(); while (ith != (hull.end() - 1)) { line(result, *ith, *(ith + 1), Scalar(255), 2); ++ith; } line(result, *ith, *(hull.begin()), Scalar(255), 2);
程序中我們依次畫了矩形、圓、多邊形和凸多邊形。最終效果如下：
對(duì)連通區(qū)域的分析到此遠(yuǎn)遠(yuǎn)沒(méi)有結(jié)束，我們可以進(jìn)一步計(jì)算每一個(gè)連通區(qū)域的其他屬性，比如：重心、中心矩等特征，這些內(nèi)容以后有機(jī)會(huì)展開(kāi)來(lái)寫。
以下幾個(gè)函數(shù)可以嘗試：minAreaRect：計(jì)算一個(gè)最小面積的外接矩形，contourArea可以計(jì)算輪廓內(nèi)連通區(qū)域的面積；pointPolygenTest可以用來(lái)判斷一個(gè)點(diǎn)是否在一個(gè)多邊形內(nèi)。mathShapes可以比較兩個(gè)形狀的相似性，相當(dāng)有用的一個(gè)函數(shù)。
以上是“C語(yǔ)言如何實(shí)現(xiàn)opencv提取直線、輪廓及ROI”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)網(wǎng)站建設(shè)公司行業(yè)資訊頻道！
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)建站www.cdcxhl.com，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。
