学习opencv跟轮廓相关的 - 技术蛀虫 - 博客园
随笔 - 105
文章 - 131
轮廓到底是什么?一个轮廓一般对应一系列的点,也就是图像中的一条曲线.表示的方法可能根据不同情况而有所不同.有多重方法可以表示曲线.在openCV中一般用序列来存储轮廓信息.序列中的每一个元素是曲线中一个点的位置.关于序列表示的轮廓细节将在后面讨论,现在只要简单把轮廓想象为使用CvSeq表示的一系列的点就可以了.
函数cvFindContours()从二值图像中寻找轮廓.cvFindContours()处理的图像可以是从cvCanny()函数得到的有边缘像素的图像,或者是从cvThreshold()及cvAdaptiveThreshold()得到的图像,这时的边缘是正和负区域之间的边界.
图8-2描述了cvFindContours的函数功能,图像的上半部分是神色背景和白色区域(被从A到E标记)的测试图像.下半部分是使用cvFindCountours()函数后会得到的轮廓的说明.这些轮廓被标记为cX或hx,&c&表示&轮廓(contour)&,&h&表示&孔(hole)&,&X表述数字&.其中一些轮廓用虚划线表示;表明他们是白色区域的外部边界(例如,非0区域).孔(hole)的外部边界(例如,非0区域)即白色区域的内部边界.在图中是用电线表示外部边界的.OpenCV的cvFindContours()函数可区分内部和外部边界.
包含的概念在很多应用中都非常重要.因此.OpenCV允许得到的轮廓被聚合成一个轮廓树,从而把包含关系编码到树结构中.这个测试图的轮廓树在根节点的轮廓叫c0,孔h00和h01是它的字子节点.这些轮廓中直接包含轮廓称为他们的子节点,以此类推.
现在来看cvFindContours()函数
第一个参数 image是输入图像,图像必须是8位单通道图像,并且应该被转化成二值的(例如,所有非0像素的值都是一个定值).cvFindContours()运行的时候,这个图像会被直接涂改,因此如果是将来还有用的图像,应该复制之后再传给cvFindContours().
storage 是内存存储器,cvFindContours()找到的轮廓记录在此内存里.正如之前所说,这个存储器的空间应该由cvCreateMemStorage()分配.
first_contour 是指向CvSeq*的一个指针firstContour.无需动手,cvFindContours()会自动分配该指针.实际上,只要在这里传一个指针就可以了函数会自动设置.不需要分配和释放(new/delete或者malloc/free).就是这个指针(例如,*firstContour)指向轮廓树的首地址(head).cvFindContours()返回值是,找到的所有轮廓的个数
cvSeq* firstContout = NULL;
cvFindContours(..., &firstContour, ...);
headerSize告诉cvFindContours()更多有关对象分配的信息,它可以被设定为sizeof(CvContour)或者sizeof(CvChain)(当近似方法参数method被设定为CV_ChAIN_CODE时使用后者).最后是mode和method参数,他们分别指定计算方法和如何计算.
mode变量可以被设置为以下四个选项之一: CV_RETR_ExTERNAL, CV_RETR_LIST, CV_RETR_CCOMP或CV_RETR_TREE.mode的值向cvFindeContours()说明需要的轮廓类型,和希望的放回值形式.具体说来,mode的值决定把找到的轮廓如何挂到轮廓树节点变量(h_prev,h_next,v_prev和v_next)上,图8-3展示了四种可能的mode值所得到的结果的拓扑结构.
每中情况下,结构都可以看成是被&横向&连接(h_next和h_prev)联系和被&纵向&连接(v_next和v_prev)不同的&层次&.
CV_RETR_EXTERNAL 只检测出最外的轮廓.图8-2中,只有一个最外轮廓,因此图8-3中第一个轮廓指向最外的序列,除此之外没有别的连接
CV_RETR_LIST 检测所有的轮廓并将他们保存到表(list)中.图8-3描绘了从图8-2样图中得到的表.在这个例子中,有8条轮廓被找到,他们相互之间有h_prev和h_next连接(这里并没有使用v_prev和v_next)
CV_RETR_CCOMP 检出所有的轮廓并将他们组织成双层结构(two-level hierarchy),顶层边界是所有成份的外界边界,第二层边界是空的边界.图8-3中,我们能看到5个外部边界,其中3个包含孔.孔被v_next和v_prev可以只包括一个值,此节点可以只有一个子节点.c0中有两个孔,因为v_next可以值包括一个值,次节点可以只有一个子节点.c0之内的所有孔相互间有h_prev和h_next指针连接.
CV_RETR_TREE 检出所有轮廓并且重新建立网状的轮廓结构.在我们给出的例子中(图8-2和8-3中),这意味着根节点是最外的轮廓c0.c0之下是空h00,在同一层次中与另一个孔h01相连接.同理,每个孔都有子节点(相对应的是c000和c010),这些子节点与父节点被垂直连接起来.这个步骤一直持续到图像最内层的轮廓,这些轮廓会成为树叶节点.
以下的五个值与方法相关(例如轮廓会如何被近似).
&CV_CHAIN_CODE 用freeman链码输出轮廓,其他方法输出多边形(顶点的序列)
CV_CHAIN_APPROX_NONE 将链码编码中的所有点转换为点
CV_CHAIN_APPROX_SIMPLE 压缩水平,垂直或斜的部分,只保存最后一个点
CV_CHAIN_APPROX_TC89_L1或CV_CHAIN_APPROX_TC89_KCOS使用Ten-Chin链逼近算法中的一个
CV_LINK_RUNS 与上述算法完全不同的算法,连接所有水平层次的轮廓.此方法只可与Cv_RETR_LIST搭配使用.
使用序列表示轮廓
当调用cvFindContours函数的时候,返回多个序列.序列的类型依赖与调用cvFindContours时 所传递的参数.默认情况下使用CV_RETR_LIST和CV_CHAIN_APPROX_SIMPLE参数.
序列中保存一系列的点,这些点构成轮廓,轮廓是本章的重点.轮廓只是序列所能表示物体的一种.轮廓的点的序列,可以用来表示图像空间中的曲线.这种点的序列很常用,所有需要有专门的函数来帮助我们对他进行处理.下面是一组这样的处理函数.
第一函数是cvFindContours(),在前面已经提到.接着是cvStartFindContiors()函数,它和cvFin的Contours()功能类似.但是cvStartFindContours()每次放回一个轮廓,而不像cvFinContours()那样一次查找所有轮廓然后统一返回.调用cvStartFindContours()函数后,返回一个CvSequenceScanner结构.CvSequenceScanner结构中包含一些状态信息,这些信息不可读.你可以通过在cvSequenceScabber结构上依次调用cvFinNextContour()来查找剩余的轮廓.当全部轮廓都被找完之后,cvFindNextContour()将放回NULL
cvSubstituteContour()函数用于替换scanner指向的轮廓.该函数的一个特性是,如果参数 new_contour为NULL,那么当前的轮廓将被从Scanner指定的树或链表中删除(受影响的序列会作适当更新,来保证不会有指针指向不存在的物体).
函数cvEndFindContour()结束轮廓查找,并且将scanner设置为结束状态.注意,scanner并没有被删除,实际上该函数返回的是指针所指序列的第一个元素.
最后一个函数cvApproxChains()函数.该函数将Freeman链转换为多边形表示(精确转换或者近似拟合).
Freeman链码
一般情况下,通过cvFindCountours获取的轮廓是一系列顶点的序列.另一种不同的表达是设置method参数为CV_CHAIN_CODE,然后生成轮廓.当选者CV_CHAIN_CODE标志的时候,检测的轮廓通过Freemain链码[Freeman67](图8-4)的方式返回.在Freeman链码中,多边形被表示为一系列的位移,每一个位移有8个方向,这8个方向使用整数0到7表示.Freeman链码对于识别一些形状的物体很有帮助.如果得到的是Freeman链码,可以通过以下两个函数读出每个点
第一个函数用来初始化Freeman链CvChainPtReader结构,第二个函数通过CvChainptReader来读每个点,CvChainPtReader对应当前状态.结构CvChain从CvSeq扩展得来.和CvContourScanner从多个轮廓间迭代一样,CvChainPtReader用于迭代一个使用Freemain链码表示轮廓中的每个点.CvChainPtReader和CvSeqReader的用法类似.如您所期望,当所有点都读完后,返回CvChainPtReader值为NULL.
一个经常使用的功能是在屏幕上绘制检测到的轮廓.绘制可以用cvDrawContours函数完成
第一个参数为要绘制轮廓的图像.第二个参数是要绘制的轮廓,他不像乍看上去那么简单,他是轮廓树的根节点.其他的参数(主要是max_level)将会控制如何绘制轮廓树.下一个参数很容易理解,是绘制轮廓所用的颜色.但是hole_color那?请回忆轮廓的分类,有外轮廓,也有&洞&(图8-2中的虚划线和点线).无论绘制单个轮廓还是轮廓树中的所有轮廓,标记为&洞&的轮廓都会使用hole_color指定的颜色绘制.
通过max_level变量可以告诉cvDrawConturs() 如何处理通过节点树变量连结到一个轮廓上的其他任何轮廓.此变量可以被设置为遍历轮廓的最大深度.因此max_level = 0表示与输入轮廓属于同意等级的所有轮廓(更具体的说,输入轮廓和与其相邻的轮廓被画出),max_level = 1表示与输入轮廓属于同一登记的所有轮廓与其子节点被画出,以此类推.如果项要画的轮廓是由cvFindContous()的CV_RETR_CCOMP或CV_RETR_TREE模式得到的话,max_level的负值也是被支持的.在这种情况下,max_level=-1表示只有输入轮廓被画出,以此类推,max_level
= -2 表示输入轮廓与其直系(仅直接相连的)子节点会被画出,以此类推.
参数thickness和line_type就如其字面含义所示.最后,我们可以给绘图程序一个偏移量,这样轮廓可以被画在指定的精确坐标上.当轮廓坐标被转换成质心坐标或其他局部坐标系的时候,这个特性非常有用.
如果在图像上的不同感兴趣的区域多次执行cvFindContour(),然后又想将所有结果在原来大图像上显示出来,便宜量offset也很有用.相反,可以先从大图提取出一个轮廓,然后在用offset和填充,在小图像上形成和轮廓对应的蒙板(mask);
首先创建一个窗口用于显示图像,滑动条(trackbar)用于设置阈值,然后对采二值化后的图像提取轮廓并绘制轮廓.当控制参数的滑动条变换时,图像被更新.
如果全局参数g_storage为NULL的话,则用cvCreateMemSotrage(0)创建一个内存存储器.g_gray被初始化为和g_image同样大小的黑色图像,但是为单通道图像.如果g_storage非空的话,则先用cvClearMemStorage清空内存存储器的中间,这样以便重复利用内存存储器中的资源.然后创建一个CvSeq*指针,该指针用来保存cvFindCountours()检测到的轮廓.
然后g_image被转换为灰度图像,接着用g_thresh为参数进行二值化处理,得到的二值图像保存在g_gray中.cvFindContours从二值图像g_gray查找轮廓,然后将得到的轮廓用cvDrawContours()函数绘制为白色到灰度图像.最终图像在窗口中显示出来,并将在回调函数开始处申请的结构释放.
另一个轮廓的例子
在上例中,我们检测出输入图像的轮廓,然后逐个绘制没格轮廓.从这个例子中,我们可以了解到轮廓检测方法(如代码中是CV_RETR_LIST)以及max_depth(代码中是0)等参数的细节.如果设置的max_depth是一个比较大的值,你可以发现cvFindCountours()返回的轮廓是通过h_next连接被遍历.对于其他一些拓扑结构(CV_RETR_TREE,CV_REER_CCOMP等),你会发现有些轮廓被画过不只一次
例8-3 在输入图像上寻找并绘制轮廓
深入分析轮廓
多边形逼近
当我们绘制一个多边形或者进行形状分析的时候,通常需要使用多边形毕竟一个轮廓,使顶点数目变少.有多种方法可以实现这个功能,OpenCV实现了其中的一种逼近算法.函数cvApproxPoly是该算法的一种实现,可以处理轮廓的序列.
我们可以传递一个列表或者数状序列给cvApproxPoly,然后对其表示的轮廓进行处理.函数返回值对应第一个轮廓,同样我们可用通过h_next(以及v_next)来访问返回其他的轮廓.
因为cvApproxPoly在返回结果的时候需要创建新的对象,因此 需要指定一个内存存储器以及头结构大小.(一般为sizeof(CvContour)).
逼急算法目前只可使用CV_POLY_APPROx_DP.另外两个参数为逼近算法参数(目前只用到第一个).eps参数指定逼近的精度.如果想了解这个参数如何起作用的的必须仔细了解具体的算法.最后一个参数指定是否针对全部的轮廓(通过h_next和v_next可达的)进行逼近
如果为0,则表示只处理src_seq指向轮廓.
下面简要介绍一下算法的工作原理.参考图8-5,算法先从轮廓(图b)选择2个最远的点,然后将2个连成一个线段(图c),然后再查找轮廓上到线段距离最远的点,添加到逼近后的心轮廓(图d).算法反复迭代,不断将最远点的添加到结果中.直到所有点的点到多边形的最短距离小于eps参数指定的精度(图f).从这里可以看出,精度和轮廓的周长,或者外包矩形周长的几分之一比较合适.
曲线逼近的过程和寻找关掉点的过程密切相关。跟曲线上的其他点相比，关键点是那些包含曲线信息比较多的点。关键点在逼近算法以及其他应用中都会涉及。函数cvFindDominantPoints()实现了被称为IPAN*[Chetvreikov99]的算法.
CvSeq &cvFindDominantPoints(CvSeq* contour,CvMemStorage* storage,int metod = CV_DOMINANT_IPAN,double parameter1 = 0,double parameter2 = 0,double parameter3 = 0,double parameter4 = 0);
& & & &本质上,IPAN算法通过扫描轮廓上并在曲线内部使用可能顶点构造三角形来实现.对于三角形的大小和张角有特殊要求.在此某一特定的全局阈值和它的相邻的张角小的情况下,具有大张角的点被保留.
函数cvFindDominantPoints()按照惯例使用参数CvSeq* 和CvMemStorage* .并且要求指定一个方法,和cvApproxPoly()相同,目前可供选择的方法只有一个,就是CV_DOMINANT_IPAN.
接下来四个参数是:最短距离dmin,最长距离dmax,相邻距离dn和最大角度θmax.如图8-6所示,算法首先把所有两边距离rpa和rpb在dmin和dmax之间,θab &&θmax的三角形找出来.然后保留对于距离dn(dn的大小不得超过dmax)有最小夹角θab的所有点p.dmin,dmax,dn和θmax典型值可以是7,9,9,150(最后一个参数是以度数为单位的角大小).
轮廓处理中经常遇到的另一个任务是计算一些轮廓变化的概括特性.这可能包括长度或者其他一些反映轮廓整体大小的度量.另一个有用的特性是轮廓的轮廓矩(contourmoment),可以用来概括轮廓的总形状特性
函数cvContourPerimeter()作用于一个轮廓并返回其长度.事实上,此函数是一个调用函数cvArcLength()的宏.
cvArcLength()的第一参数是轮廓,其形式可以是点的序列(CvContour*或CvSeq*)或任一n×2的点的数组.后边的参数是slice,以及表明是否将轮廓视为闭合的一个布尔类型(例如,是否将轮廓的最后一个点视为和第一个点有连接).slice可以让我们只选择曲线上的点的部分集合.
一个和cvArcLength()有紧密关系的函数是cvContourArea(),如其名称所示,这个函数同于计算轮廓的面积.函数的参数contour和slice和cvArcLength()一样.
当然长度和面积只是轮廓的简单特性,更复杂一些的特性描述应该是矩形边界框,圆形边界框或椭圆形边界框.有两种方法可以得到矩形边界框,圆形与椭圆形编辑框各只有一种方法.
最简单的方法是调用函数cvBoundingRect();它将放回一个包围轮廓的CvRect.第一个参数points可以是由点组成的序列,一个轮廓(CvContour*)或者一个n×1双通道的矩阵(CvMat*).为了理解第二个参数update,我们需要想想前面的描述,当时说CvContour并不完全等于CvSCvSeq能实现的CvContour都可以实现,CvContour甚至能做的更多一点.其中一个附加功能就是CvRect成员可以记载轮廓自己的边界框.如果调用函数cvBoundingRect()时参数update设置为0,便可以直接从CvCoutour的成员中获取边界框;如果将uodate设置为1,边界框便会被计算出(CvContour成员的内容也会被更新).
cvBoundingRect()得到的长方形的一个问题是,cvRect只能表现一个四边水平和竖直的长方形.然而函数cvMinAreaRect2()可以返回一个包围轮廓最小的长方形,这个长方形可能是倾斜的;请看图8-7,该函数的参数和cvBoundingRect()的相似.opencv的数据类型CvBox2D就是用来表述这样的长方形状的.
圆形和椭圆形边界
接着我们来看函数cvMinEnclosingCircle().该函数和矩形边界框的作用基本相同,输入同样很灵活,可以是点的序列,也可以是二维点的数组.
OpenCV里没有专门用来表示圆的结构,因此需要给函数cvMinEnclosingCircle()传递中心和浮点型半径的两个指针来获取计算结果.
与最小包围圆一样,OpenCV提供一函数来拟合一组点,以获取最佳拟合椭圆
cvMinEnclosingCircle()和cvFitEllipse2()的细微差别在于,前者只简单计算完全包围已有轮廓的最小圆,而后者使用拟合函数返回一个与轮廓最相近似的椭圆.这意味着并不是轮廓中所有的点都会被包在cvFitEllipse2()返回的椭圆中.该拟合由最小二乘拟合方法算出.
椭圆的拟合结果由CvBox2D结构体返回,给出的矩形正好完全包围椭圆,如图8-8所示.
在处理CvBox2D或多边形边界的时候,经常需要进行多边形以及边界框的重叠判断.OpenCV提供了一组方便的小函数用于此类测试.
第一个函数cvMaxRect()根据输入的2个矩形计算,他们的最小外包矩形.
下一个使用函数cvBoxPoints()用于计算CvBox2D结构表示矩形的4个顶点.当然你也可以自己通过三角函数计算,不过这令人头大,而简单调用一下这个函数则可求出.
第三实用函数cvPointSeqFromMat()从mat中初始化序列.这在你需要使用轮廓相关的函数,但是函数又不支持矩阵参数的时候使用.第一个参数用于指定点序列类型,seq_kind可以为以下类型:点集为0;曲线为CV_SEQ_KIND_CURVE;封闭曲线为CV_SEQ_KIND_CURVE|Cv_SEQ_FLAG_CLOSED.第二个参数是输入的矩阵,该参数是连续的1维向量.矩阵类型必须为cv_32C2或CV_32FC2.
下面的两个参数是指针,指针指向的内容通过该函数填充.contour_header参数对应轮廓结构,一般要事先创建,不过由该函数负责初始化.block参数同样如此,也是由该函数复杂初始化.最后,该函数放回一个类型为CvSeq*的序列指针,指向你输入的序列头*contour_header.返回值跟输入参数相同只是为了使用该函数时更方便,因为这样你就可以将该函数当作某个轮廓函数的参数使用,代码写入同一行.
最后一个平面几个相关的函数是cvPointPolygonTest(),用于测试一个点是否在多边形的内部.如果参数measure_dist非零,函数返回值是点到多边形最近距离.如果measure_dist为0,函数返回+1,-1,0,分别表示在内部,外部,在多边形边上.参数contour可以是序列,也可以是2通道矩阵向量.查看: 5872|回复: 7
如何提取不规则区域
现在正在做一个图像分析的小东西，要求在一张红外图像中提取只脸区域进行分析。初步打算是使用一些形态学操作、Canny操作和contours操作提取轮廓，代码及初步效果如下：
代码： 1 #include &cv.h& 2 #include &highgui.h& 3 #include &cxcore.h& 4 #include &iostream.h& 5
6 void main() 7 { 8& &&&int i=0; 9& &&&int mode=CV_RETR_CCOMP;& && && &&&//the mode of contours10& &&&int num_contours=0;11& &&&CvScalar ext_color,inn_12& &&&13& &&&CvMemStorage*storage=cvCreateMemStorage(0);14& &&&CvSeq*contour=0;15 16& &&&IplImage*pimg=NULL;17& &&&IplImage*CTImg=NULL;18& &&&IplImage*src=cvLoadImage(&test.bmp&,-1);19 20& &&&pimg=cvCreateImage(cvGetSize(src),src-&depth,1);21& &&&CTImg=cvCreateImage(cvGetSize(pimg),IPL_DEPTH_8U,3);22& &&&cvCvtColor(src,pimg,CV_BGR2GRAY);23 24& &&&cvNamedWindow(&source&,CV_WINDOW_AUTOSIZE);25& &&&cvNamedWindow(&gray&,CV_WINDOW_AUTOSIZE);26& &&&cvNamedWindow(&contours&,CV_WINDOW_AUTOSIZE);27 28& &&&cvShowImage(&source&,src);29& &&&//cvThreshold(pimg,pimg,200,250,CV_THRESH_BINARY);30& &&&cvErode(pimg,pimg,0,1);31& &&&cvDilate(pimg,pimg,0,1);32& &&&cvCanny(pimg,pimg,2,20,3);33& &&&//cvErode(pimg,pimg,0,2);34& &&&//cvDilate(pimg,pimg,0,1);35& &&&//Find the Contours36& &&&mode=CV_RETR_LIST;37& &&&num_contours=cvFindContours(pimg,storage,&contour,sizeof(CvContour),mode,CV_CHAIN_APPROX_NONE);38& &&&cout&&&The number of the contours is :&&&num_contours&&39& &&&//Draw the Contours40& &&&for (;contour!=0;contour=contour-&h_next)41& &&&{42& && && &inn_color=CV_RGB(rand()&255,rand()&255,rand()&255);43& && && &ext_color=CV_RGB(rand()&255,rand()&255,rand()&255);44& && && &cvDrawContours(CTImg,contour,ext_color,inn_color,1,2,8,cvPoint(0,0));45& &&&}46 47& &&&cvShowImage(&gray&,pimg);48& &&&cvShowImage(&contours&,CTImg);49& &&&cvWaitKey(0);50& &&&cvSaveImage(&Contours.bmp&,CTImg);51& &&&cvSaveImage(&Canny.bmp&,pimg);52 53& &&&cvReleaseImage(&pimg);54& &&&cvReleaseImage(&CTImg);55& &&&cvReleaseImage(&src);56& &&&cvReleaseMemStorage(&storage);57 58& &&&cvDestroyAllWindows();59 60 }复制代码结果图片：
我现在想问一下：如何将图像中的只脸区域提取出来？使用模板？以下还有大量的文件要执行该操作，完全自动提取是否可行？
如何提取不规则区域
（1）先做边缘连通工作；
（2）对脖子做肤色检测，也与脸连通。
（3）生成脖子以上的脸部mask：需要部分设为255，其余部分设为0。另外存储为mask.jpg
（4）原图与mask做cvAnd运算即成。
如何提取不规则区域
如果使用snake算法可以提取一个闭合轮廓，如何将改轮廓内区域提取出来单独进行下一步分析和处理呢？请教各位！
如何提取不规则区域
大侠，想必你在目标的轮廓提取这方向很有经验了。我是初入门者，想请教你是否有snake的源代码可否发给我一份prairiewolf.
还有有没有快速的准确的目标轮廓的提取方法,听说snake法虽然很精准，但是时间比较慢，不知是不是这样。
如果你还有其它的提取目标轮廓的好方法的资料请发给我一份
如何提取不规则区域
（1）先做边缘连通工作；
（2）对脖子做肤色检测，也与脸连通。
（3）生成脖子以上的脸部mask：需要部分设为255，其余部分设为0。另外存储为mask.jpg
（4）原图与mask做cvAnd运算即成。请问：如何把生成的不规则闭合区域作为mask？望不吝赐教，谢了！
如何提取不规则区域
我想这个问题我好像已经解决了，现在把基本思路贴出来，欢迎大家拍砖。
我的目的是：提取该红外图像中的人脸区域，对人脸区域进行特定分析。
（1）初始思路是提取图像中的轮廓，然后对提取的轮廓进行连通操作，这里测试了canny操作和FindContours操作，最终轮廓提取出来了，但却不知如何提取轮廓内的区域（继续请教），所以无法下手，于是换了一个思路。
（2）最终考虑到使用mask，这里mask的提取使用了cvFloodFill操作，通过调节阈值和参数最终mask的提取效果还不错，比初始思路的效果要好。我想原因可能是红外图像本身的特点造成的。
现在将提取结果贴出来，大家看一下效果：（原始图像参照上面）
& && && && && &&&提取过程
& && && && && &&&mask图像
& && && && && &&&提取目标
----------------------------------------------------------------------------------------------
以上是自己的一点想法，这应该适用于颜色分布相对均匀和集中的图像。
如何提取不规则区域
如何提取不规则区域
貌似不错啊
Powered by19:25 提问
OpenCV 怎样提取类似方形的区域
右边的图我在HSV模型下选出了近似黄色的区域(左图的白色区域)，怎么样才能从坐边的二值图中选出类似方形的区域呢？ 用最小外接矩的面积和区域面积比的话上层的黄色木块就没有了...请帮帮忙吧
我觉得颜色提取的不精确也是一个原因 但怎么才能准确确定黄色的HSV值呢? 光线或者木块的材质会有影响的吧
按赞数排序
我写的闭合轮廓检测
检测轮廓，保留最大的轮廓就行了：
// Eliminate too short or too long contours
int cmin= 100;
// minimum contour length
int cmax= 1000; // maximum contour length
std::vector&std::vector&cv::Point&&::const_iterator itc= contours.begin();
while (itc!=contours.end()) {
if (itc-&size() & cmin || itc-&size() & cmax)
itc= contours.erase(itc);
你想全自动的分割，出黄色块，单一的办法肯定不行，hsv跟rgb想结合试试看
或者用交互的办法啊，图割，分水岭什么的
光照，背景色等都会对你的识别造成一定的影响，先对图像做降噪处理，然后再找你要的
其他相似问题查看: 8640|回复: 12
opencv少一个东西，统计二值图的连通区域的大小及个数。
感觉opencv少一个东西，统计二值图的连通区域的大小及个数。使用中总觉得比较有用。
像一个大目标分割出来了，总有好多噪声，采用形态学滤波太费事了。统计连通区应当是很基本的操作。
cv里有一个叫大概叫floodfill的函数，是提供一个种子点，然后寻找一个连通区的。可以参考这个函数写。
不知道有哪位高人写过，贴出来参考一下。多谢！！
opencv少一个东西，统计二值图的连通区域的大小及个数。
感觉opencv少一个东西，统计二值图的连通区域的大小及个数。使用中总觉得比较有用。
像一个大目标分割出来了，总有好多噪声，采用形态学滤波太费事了。统计连通区应当是很基本的操作。
cv里有一个叫大概叫floodfill的函数，是提供一个种子点，然后寻找一个连通区的。可以参考这个函数写。
不知道有哪位高人写过，贴出来参考一下。多谢！！
cvFindCoutour and
cvContourArea
opencv少一个东西，统计二值图的连通区域的大小及个数。
cvFindCoutour 算法太复杂，用到滤波，很慢。而且得到的大小只是轮廓长度或者是rect的面积。
先cvFindCoutour，再cvContourArea 完全可以，但是太麻烦了。就是为了个连通区，用的着绕这样大的弯子啊？
opencv少一个东西，统计二值图的连通区域的大小及个数。
cvFindCoutour 算法太复杂，用到滤波，很慢。而且得到的大小只是轮廓长度或者是rect的面积。
先cvFindCoutour，再cvContourArea 完全可以，但是太麻烦了。就是为了个连通区，用的着绕这样大的弯子啊？
有么？cvFindCoutour可以得到轮廓，求轮廓的问题和连通区域的问题是等价的。
opencv少一个东西，统计二值图的连通区域的大小及个数。
在opencv中，怎么得到轮廓的周长呢？
opencv少一个东西，统计二值图的连通区域的大小及个数。
轮廓存在一个seq中，seq可以得到其长度，就是轮廓的周长了
opencv少一个东西，统计二值图的连通区域的大小及个数。
由 bebekifis 于
轮廓存在一个seq中，seq可以得到其长度，就是轮廓的周长了
谢谢回复，可以说的详细点吗？我还是不太清楚
opencv少一个东西，统计二值图的连通区域的大小及个数。
在opencv中，怎么得到轮廓的周长呢？
求轮廓长度是有一个函数的double cvArcLength( const void* curve, CvSlice slice=CV_WHOLE_SEQ, int is_closed=-1 );复制代码
曲线点集序列或数组
曲线的起始点，缺省是计算整个曲线的长度
表示曲线是否闭合，有三种情况：
is_closed=0 - 假设曲线不闭合
is_closed&0 - 假设曲线闭合
is_closed&0 - 若曲线是序列，检查 ((CvSeq*)curve)-&flags 中的标识 CV_SEQ_FLAG_CLOSED 来确定曲线是否闭合。否则 (曲线由点集的数组 (CvMat*) 表示) 假设曲线不闭合。
函数 cvArcLength 通过依次计算序列点之间的线段长度，并求和来得到曲线的长度。
opencv少一个东西，统计二值图的连通区域的大小及个数。
那如何求得区域的中心呢？
区域中心公式：
cvFindContours获得的只是轮廓，而不是区域点集，cvContourArea倒是可以获得区域面积
现在能想到的办法就是用遍历seq的每一个区域，cvDrawContours使用CV_FILLED参数，由非0点集求出中心点
opencv少一个东西，统计二值图的连通区域的大小及个数。
cvDrawContours使用CV_FILLED参数，由非0点集求出中心点可这样算。
Powered by