OpenCV成长之路:直线、轮廓的提取与描述

移动开发 Android
基于内容的图像分析的重点是提取出图像中具有代表性的特征,而线条、轮廓、块往往是最能体现特征的几个元素,这篇文章就针对于这几个重要的图像特征,研究它们在OpenCV中的用法,以及做一些简单的基础应用。

本文是51CTO博客作者Ronny的文章,原文地址

基于内容的图像分析的重点是提取出图像中具有代表性的特征,而线条、轮廓、块往往是最能体现特征的几个元素,这篇文章就针对于这几个重要的图像特征,研究它们在OpenCV中的用法,以及做一些简单的基础应用。

一、Canny检测轮廓

在 上一篇文章中有提到sobel边缘检测,并重写了soble的C++代码让其与matlab中算法效果一致,而soble边缘检测是基于单一阈值的,我们 不能兼顾到低阈值的丰富边缘和高阈值时的边缘缺失这两个问题。而canny算子则很好的弥补了这一不足,从目前看来,canny边缘检测在做图像轮廓提取 方面是***秀的边缘检测算法。

canny边缘检测采用双阈值值法,高阈值用来检测图像中重要的、显著的线条、轮廓等,而低阈值用来保证不丢失细节部分,低阈值检测出来的边缘更丰富,但是很多边缘并不是我们关心的。***采用一种查找算法,将低阈值中与高阈值的边缘有重叠的线条保留,其他的线条都删除。

本篇文章中不对canny的算法原理作进一步说明,稍后会在图像处理算法相关的文章中详细介绍。

下面我们用OpenCV中的Canny函数来检测图像边缘

  1. int main() 
  2.     Mat I=imread("../cat.png"); 
  3.     cvtColor(I,I,CV_BGR2GRAY); 
  4.                                                  
  5.     Mat contours; 
  6.     Canny(I,contours,125,350); 
  7.     threshold(contours,contours,128,255,THRESH_BINARY); 
  8.     namedWindow("Canny"); 
  9.     imshow("Canny",contours); 
  10.     waitKey(); 
  11.     return 0; 

显示效果如下:

image

二、直线检测

直线在图像中出现的频率非常之高,而直线作为图像的特征对于基本内容的图像分析有着很重要的作用,本文通过OpenCV中的hough变换来检测图像中的线条。

我们先看最基本的Hough变换函数HoughLines,它的原型如下:

  1. void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 ); 

它的输入是一个二值的轮廓图像,往往是边缘检测得到的结果图像;它的输出是一个包含多个Vec2f点的数组,数组中的每个元素是一个二元浮点数据 对<rou,theta>,rou代表直线离坐标原点的距离,theta代表角度。第3和第4个参数代表步长,因为Hough变换实际上是一 个穷举的算法,rho表示距离的步长,theta代表角度的步长。第5个参数是一个阈值设置直接的***投票个数,知道Hough原理的,这个参数应该很容 易理解。

从 这个函数的输出结果我们可以看出,得到的直线并没有指定在图像中的开始点与结束点,需要我们自己去计算,如果我们想把直接显示在图像中就会比较麻烦,而且 会有很多角度接近的直线,其实它们是重复的,为了解决上面这些问题,OpenCV又提供了一个函数HoughLinesP()。它的输出是一个 Vector of Vec4i。Vector每一个元素代表一条直线,是由一个4元浮点数组构成,前两个点一组,后两个点一组,代表了在图像中直线的起始和结束点。

  1. void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta,int threshold, double minLineLength=0, double maxLineGap=0 ); 

解释一下***两个参数,minLineLength指定了检测直线中的最小宽度,如果低于最小宽度则舍弃掉,maxLineGap指定通过同一点的直线,如果距离小于maxLineGap就会进行合并。

下面是一个用HoughLinesP检测直线的例子:

  1. int main() 
  2.     Mat image=imread("../car.png"); 
  3.     Mat I; 
  4.     cvtColor(image,I,CV_BGR2GRAY); 
  5.                              
  6.     Mat contours; 
  7.     Canny(I,contours,125,350); 
  8.     threshold(contours,contours,128,255,THRESH_BINARY); 
  9.     vector<Vec4i> lines; 
  10.     // 检测直线,最小投票为90,线条不短于50,间隙不小于10 
  11.     HoughLinesP(contours,lines,1,CV_PI/180,80,50,10); 
  12.     drawDetectLines(image,lines,Scalar(0,255,0)); 
  13.     namedWindow("Lines"); 
  14.     imshow("Lines",image); 
  15.     waitKey(); 
  16.     return 0; 

上面程序将检测到的线条保存在lines变量内,我们需要进一步将它们画在图像上:

  1. void drawDetectLines(Mat& image,const vector<Vec4i>& lines,Scalar & color) 
  2.     // 将检测到的直线在图上画出来 
  3.     vector<Vec4i>::const_iterator it=lines.begin(); 
  4.     while(it!=lines.end()) 
  5.     { 
  6.         Point pt1((*it)[0],(*it)[1]); 
  7.         Point pt2((*it)[2],(*it)[3]); 
  8.         line(image,pt1,pt2,color,2); //  线条宽度设置为2 
  9.         ++it; 
  10.     } 

image

实 际上Hough变换可以检测很多固定的形状,比如:圆、正方形等。它们的原理基本相同,都是构造一个投票矩阵。OpenCV里提供了检测圆的函数 HoughCircles,它的输出是一个Vector of Vec3i,Vector的每个元素包含了3个浮点数,前2个是圆的中心坐标,***一个是半径。

三、轮廓的提取与描述

在目标识别中我们首先要把感兴趣的目标提取出来,而一般常见的步骤都是通过颜色或纹理提取出目标的前景图(一幅黑白图像,目标以白色显示在图像中),接下来我们要对前景图进行分析进一步地把目标提取出来,而这里常常用到的就是提取目标的轮廓。

OpenCV 里提取目标轮廓的函数是findContours,它的输入图像是一幅二值图像,输出的是每一个连通区域的轮廓点的集 合:vector<vector<Point>>。外层vector的size代表了图像中轮廓的个数,里面vector的 size代表了轮廓上点的个数。下面我们通过实例来看函数的用法。

  1. int main() 
  2.   { 
  3.       using namespace cv; 
  4.              
  5.       Mat image=imread("../shape.png"); 
  6.       cvtColor(image,image,CV_BGR2GRAY); 
  7.      vector<vector<Point>> contours; 
  8.      // find 
  9.      findContours(image,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE); 
  10.     // draw 
  11.      Mat result(image.size(),CV_8U,Scalar(0)); 
  12.      drawContours(result,contours,-1,Scalar(255),2); 
  13.             
  14.      namedWindow("contours"); 
  15.      imshow("contours",result); 
  16.      waitKey(); 
  17.      return 0; 

image

上面程序中包含了2个函数,***个是查找轮廓函数,它的第三个参数说明查找轮廓的类型,这里我们使用的是外轮廓,还可以查找所有轮廓,即包括一些孔洞的部 分,像图像人物胳膊与腰间形成的轮廓。第4个参数说明了轮廓表示的方法,程序中的参数说明轮廓包括了所有点,也可以用其他参数让有点直线的地方,只保存直 线起始与终点的位置点,具体参数用法可以参考手册里函数的介绍。

第二个函数drawContours是一个画轮廓的函数,它的第3个参数程序里设置-1表示所有的轮廓都画,你也可以指定要画的轮廓的序号。

提取到轮廓后,其实我们更关心的是如果把这些轮廓转换为可以利用的特征,也就是涉及到轮廓的描述问题,这时就有多种方法可以选择,比如矢量化为多边形、矩形、椭圆等。OpenCV里提供了一些这样的函数。

  1. // 轮廓表示为一个矩形 
  2. Rect r = boundingRect(Mat(contours[0])); 
  3. rectangle(result, r, Scalar(255), 2); 
  4. // 轮廓表示为一个圆 
  5. float radius; 
  6. Point2f center; 
  7. minEnclosingCircle(Mat(contours[1]), center, radius); 
  8. circle(result, Point(center), static_cast<int>(radius), Scalar(255), 2); 
  9. // 轮廓表示为一个多边形 
  10. vector<Point> poly; 
  11. approxPolyDP(Mat(contours[2]), poly, 5, true); 
  12. vector<Point>::const_iterator itp = poly.begin(); 
  13. while (itp != (poly.end() - 1)) 
  14.     line(result, *itp, *(itp + 1), Scalar(255), 2); 
  15.     ++itp; 
  16. line(result, *itp, *(poly.begin()), Scalar(255), 2); 
  17. // 轮廓表示为凸多边形 
  18. vector<Point> hull; 
  19. convexHull(Mat(contours[3]), hull); 
  20. vector<Point>::const_iterator ith = hull.begin(); 
  21. while (ith != (hull.end() - 1)) 
  22.     line(result, *ith, *(ith + 1), Scalar(255), 2); 
  23.     ++ith; 
  24. line(result, *ith, *(hull.begin()), Scalar(255), 2); 

程序中我们依次画了矩形、圆、多边形和凸多边形。最终效果如下:

image

对连通区域的分析到此远远没有结束,我们可以进一步计算每一个连通区域的其他属性,比如:重心、中心矩等特征,这些内容以后有机会展开来写。

以 下几个函数可以尝试:minAreaRect:计算一个最小面积的外接矩形,contourArea可以计算轮廓内连通区域的面 积;pointPolygenTest可以用来判断一个点是否在一个多边形内。mathShapes可以比较两个形状的相似性,相当有用的一个函数。

责任编辑:徐川 来源: 51CTO博客
相关推荐

2022-08-24 15:57:17

图片轮廓

2013-02-26 09:41:31

微信Line

2021-11-29 08:24:57

腾讯技术职业

2009-12-14 15:18:38

2013-04-15 10:09:18

Web架构师

2013-04-15 11:08:00

架构师Web

2015-03-30 17:08:55

IT服务神州数码华为

2009-07-08 13:08:30

JNCIEJuniper认证

2010-07-20 13:52:27

SQL Server

2012-04-05 10:25:02

WEB架构师

2020-12-10 06:27:19

技术人

2012-03-31 10:00:05

WEB架构师

2024-01-30 12:07:51

2012-05-23 09:32:01

2021-08-22 15:14:00

Vue开发前端

2010-08-20 15:21:11

2023-08-20 12:21:18

软件开发架构设计

2021-07-20 09:39:35

前端开发技术

2018-01-09 15:39:42

云计算网络安全
点赞
收藏

51CTO技术栈公众号