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
- 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;
- }
显示效果如下:
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:
- 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。
- 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:
- 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<Vec4i> lines;
- // 检测直线,最小投票为90,线条不短于50,间隙不小于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:
- void drawDetectLines(Mat& image,const vector<Vec4i>& lines,Scalar & color)
- {
- // 将检测到的直线在图上画出来
- vector<Vec4i>::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); // 线条宽度设置为2
- ++it;
- }
- }
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。
- int main()
- {
- using namespace cv;
- Mat image=imread("../shape.png");
- cvtColor(image,image,CV_BGR2GRAY);
- vector<vector<Point>> 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。
- // 轮廓表示为一个矩形
- Rect r = boundingRect(Mat(contours[0]));
- rectangle(result, r, Scalar(255), 2);
- // 轮廓表示为一个圆
- float radius;
- Point2f center;
- minEnclosingCircle(Mat(contours[1]), center, radius);
- circle(result, Point(center), static_cast<int>(radius), Scalar(255), 2);
- // 轮廓表示为一个多边形
- vector<Point> poly;
- approxPolyDP(Mat(contours[2]), poly, 5, true);
- vector<Point>::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);
- // 轮廓表示为凸多边形
- vector<Point> hull;
- convexHull(Mat(contours[3]), hull);
- vector<Point>::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);
程序中我们依次画了矩形、圆、多边形和凸多边形。最终效果如下:
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。