opencv实现图形轮廓检测
要想实现轮廓检测,首先我们需要对待检测的图像进行图像处理:
图像灰度化、高斯滤波、Canny 边缘检测、边缘检测放大处理、提取轮廓。
一、实现简单的全图型检测
即只要将drawContours第三个参数设置为-1 既能实现图像的全图型检测。
程序:
#include <iostream> #include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚 #include <opencv2/imgcodecs.hpp> // 图像头文件 #include <opencv2/imgproc.hpp> // 图像处理头文件 using namespace std; using namespace cv; /*要进行图像形貌检测之前 *首先要二值化,再进行滤波处理,再进行Canny边缘检测 *最后才能检测出图形轮廓 */ Mat imgGray, imgBlur, imgCanny,imgDil; void getContours(Mat imgDil,Mat& img); int main() { string path = "resources/shapes.png"; // 导入图形的时候,先要在右边点击显示所有文件!!! Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat // pre-processing image 图像预处理 cvtColor(img, imgGray, COLOR_BGR2GRAY); GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波 Canny(imgBlur, imgCanny, 25, 75);// Canny 边缘检测 Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系 dilate(imgCanny, imgDil, kernel); getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数, 第二个参数是显示图案的参数 imshow("Image", img); waitKey(0); // 延时,0即相当于无穷大 } void getContours(Mat imgDil, Mat& img) { /* contour is a vector inside that vector there is more vector * {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points * **/ vector<vector<Point>> contours; vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓 findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法 drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓 }
运行结果:
细心的读者会发现,该程序还将微小的瑕疵检测到了。
二、去除轮廓瑕疵
去除瑕疵的方法很简单,即先检测所有图形的面积,发现图形中的最小面积,即为瑕疵面积(假设我们已知该瑕疵面积<1000),之后使用if进行面积过滤。
程序:
#include <iostream> #include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚 #include <opencv2/imgcodecs.hpp> // 图像头文件 #include <opencv2/imgproc.hpp> // 图像处理头文件 using namespace std; using namespace cv; /*要进行图像形貌检测之前 *首先要二值化,再进行滤波处理,再进行Canny边缘检测 *最后才能检测出图形轮廓 */ Mat imgGray, imgBlur, imgCanny,imgDil; void getContours(Mat imgDil,Mat& img); int main() { string path = "resources/shapes.png"; // 导入图形的时候,先要在右边点击显示所有文件!!! Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat // pre-processing image 图像预处理 cvtColor(img, imgGray, COLOR_BGR2GRAY); GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波 Canny(imgBlur, imgCanny, 25, 75);// Canny 边缘检测 Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系 dilate(imgCanny, imgDil, kernel); getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数, 第二个参数是显示图案的参数 imshow("Image", img); waitKey(0); // 延时,0即相当于无穷大 } void getContours(Mat imgDil, Mat& img) { /* contour is a vector inside that vector there is more vector * {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points * **/ vector<vector<Point>> contours; vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓 findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法 drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓 for(int i = 0;i <contours.size();i++) { int area = contourArea(contours[i]) ; // 计算轮廓面积函数 if(area > 1000) { drawContours(img,contours,i,Scalar(255, 0, 255), 2); } } }
运行结果:
可见我们已经成功将瑕疵滤除。
三、判断轮廓形状
判断轮廓之前,我们先要将图形的拐角点计算出来,如三角形有三个拐角点,矩形有四个拐角点,圆形有多个拐角点,所以如何得到拐角点是我们检测轮廓形状的前提。检测拐角的核心函数为approxPolyDP(contours[i],conpoly[i],0.02* peri,true);即多边形拟合函数。
程序:
#include <iostream> #include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚 #include <opencv2/imgcodecs.hpp> // 图像头文件 #include <opencv2/imgproc.hpp> // 图像处理头文件 using namespace std; using namespace cv; /*要进行图像形貌检测之前 *首先要二值化,再进行滤波处理,再进行Canny边缘检测 *最后才能检测出图形轮廓 */ Mat imgGray, imgBlur, imgCanny,imgDil; void getContours(Mat imgDil,Mat& img); int main() { string path = "resources/shapes.png"; // 导入图形的时候,先要在右边点击显示所有文件!!! Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat // pre-processing image 图像预处理 cvtColor(img, imgGray, COLOR_BGR2GRAY); GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波 Canny(imgBlur, imgCanny, 25, 75);// Canny 边缘检测 Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系 dilate(imgCanny, imgDil, kernel); getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数, 第二个参数是显示图案的参数 imshow("Image", img); //imshow("Image Gray", imgGray); //imshow("Image Blur", imgBlur); //imshow("Image Canny", imgCanny); //imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测,这也是为什么大佬热衷于dilation的原因 waitKey(0); // 延时,0即相当于无穷大 } // 因为一开始参数不同,所以电脑直接将其视为重载函数 void getContours(Mat imgDil, Mat& img) { /* contour is a vector inside that vector there is more vector * {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points * **/ vector<vector<Point>> contours; vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓 findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法 //drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓 vector<vector<Point>> conpoly(contours.size());// conpoly(paprameter1) ,paprameter1便代表vector对象的行数,而其列数中的vector 是使用了point点集但其只包含图形的拐角点集 vector<Rect> boundRect(contours.size());// Rect 类中x y 函数描述的是图形左上角的坐标 string objType; // 记录物体形状 // 为了滤除微小噪声,因此计算area 的面积 for (int i = 0; i < contours.size(); i++) // 关于contours.size()为什么是返回二维数组的行,因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象 { int area = contourArea(contours[i]); if (area > 1000) { float peri = arcLength(contours[i], true);// 该函数计算轮廓的长度,后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合 //寻找角点 // conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点 approxPolyDP(contours[i],conpoly[i],0.02* peri,true); // conpoly[i]是输出array 0.02*peri 这个参数理解不了就不要理解!!! 最后一个参数仍然是询问是否闭合 cout << conpoly[i].size() << endl; // 输出图像轮廓中的拐角点 boundRect[i] = boundingRect(conpoly[i]); // 针对conpoly[i] 进行boundingRect 以 drawContours(img, conpoly, i, Scalar(255, 0, 255), 2); //rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); } } }
运行结果:
当检测出所有图形都应具有拐角点数之后,在加个if 判断图形的点数,之后通过puttext函数去显示,图形的形状。
程序:
#include <iostream> #include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚 #include <opencv2/imgcodecs.hpp> // 图像头文件 #include <opencv2/imgproc.hpp> // 图像处理头文件 using namespace std; using namespace cv; /*要进行图像形貌检测之前 *首先要二值化,再进行滤波处理,再进行Canny边缘检测 *最后才能检测出图形轮廓 */ Mat imgGray, imgBlur, imgCanny,imgDil; void getContours(Mat imgDil,Mat& img); int main() { string path = "resources/shapes.png"; // 导入图形的时候,先要在右边点击显示所有文件!!! Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat // pre-processing image 图像预处理 cvtColor(img, imgGray, COLOR_BGR2GRAY); GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波 Canny(imgBlur, imgCanny, 25, 75);// Canny 边缘检测 Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系 dilate(imgCanny, imgDil, kernel); getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数, 第二个参数是显示图案的参数 imshow("Image", img); //imshow("Image Gray", imgGray); //imshow("Image Blur", imgBlur); //imshow("Image Canny", imgCanny); //imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测,这也是为什么大佬热衷于dilation的原因 waitKey(0); // 延时,0即相当于无穷大 } // 因为一开始参数不同,所以电脑直接将其视为重载函数 void getContours(Mat imgDil, Mat& img) { /* contour is a vector inside that vector there is more vector * {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points * **/ vector<vector<Point>> contours; vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓 findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法 //drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓 vector<vector<Point>> conpoly(contours.size());// conpoly(paprameter1) ,paprameter1便代表vector对象的行数,而其列数中的vector 是使用了point点集但其只包含图形的拐角点集 vector<Rect> boundRect(contours.size());// Rect 类中x y 函数描述的是图形左上角的坐标 string objType; // 记录物体形状 // 为了滤除微小噪声,因此计算area 的面积 for (int i = 0; i < contours.size(); i++) // 关于contours.size()为什么是返回二维数组的行,因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象 { int area = contourArea(contours[i]); if (area > 1000) { float peri = arcLength(contours[i], true);// 该函数计算轮廓的长度,后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合 //寻找角点 // conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点 approxPolyDP(contours[i],conpoly[i],0.02* peri,true); // conpoly[i]是输出array 0.02*peri 这个参数理解不了就不要理解!!! 最后一个参数仍然是询问是否闭合 //drawContours(img, contours , i, Scalar(255, 0, 255), 2); // 通过conpoly 而绘制的轮廓中只存在程序认为应该存在的点 cout << conpoly[i].size() << endl; // 输出图像轮廓中的拐角点 boundRect[i] = boundingRect(conpoly[i]); // 针对conpoly[i] 进行boundingRect 以便拟合相切矩形 //rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); // 使用 int objCor = (int)conpoly[i].size(); // 计算物体边角数 if (3 == objCor) objType = "Triangle"; else if (4 == objCor) { // 计算float对象,一定要记得使用 float 强转符号 float aspRatio = (float)boundRect[i].width/(float)boundRect[i].height; if(aspRatio<1.05 && aspRatio>0.95) objType = "Square"; else objType = "Rectangle"; } else if (objCor > 4) objType = "Circle"; putText(img, objType, Point(boundRect[i].x, boundRect[i].y-5), FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1); drawContours(img, conpoly, i, Scalar(255, 0, 255), 2); //rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); } } }
运行结果:
四、给被检测图形套上一个检测框
核心函数,使用rectangle()进行矩形绘画。
程序:
#include <iostream> #include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚 #include <opencv2/imgcodecs.hpp> // 图像头文件 #include <opencv2/imgproc.hpp> // 图像处理头文件 using namespace std; using namespace cv; /*要进行图像形貌检测之前 *首先要二值化,再进行滤波处理,再进行Canny边缘检测 *最后才能检测出图形轮廓 */ Mat imgGray, imgBlur, imgCanny,imgDil; void getContours(Mat imgDil,Mat& img); int main() { string path = "resources/shapes.png"; // 导入图形的时候,先要在右边点击显示所有文件!!! Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat // pre-processing image 图像预处理 cvtColor(img, imgGray, COLOR_BGR2GRAY); GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波 Canny(imgBlur, imgCanny, 25, 75);// Canny 边缘检测 Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系 dilate(imgCanny, imgDil, kernel); getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数, 第二个参数是显示图案的参数 imshow("Image", img); //imshow("Image Gray", imgGray); //imshow("Image Blur", imgBlur); //imshow("Image Canny", imgCanny); //imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测,这也是为什么大佬热衷于dilation的原因 waitKey(0); // 延时,0即相当于无穷大 } // 因为一开始参数不同,所以电脑直接将其视为重载函数 void getContours(Mat imgDil, Mat& img) { /* contour is a vector inside that vector there is more vector * {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points * **/ vector<vector<Point>> contours; vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓 findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法 //drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓 vector<vector<Point>> conpoly(contours.size());// conpoly(paprameter1) ,paprameter1便代表vector对象的行数,而其列数中的vector 是使用了point点集但其只包含图形的拐角点集 vector<Rect> boundRect(contours.size());// 记录各图形的拟合矩形 string objType; // 记录物体形状 // 为了滤除微小噪声,因此计算area 的面积 for (int i = 0; i < contours.size(); i++) // 关于contours.size()为什么是返回二维数组的行,因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象 { int area = contourArea(contours[i]); if (area > 1000) { float peri = arcLength(contours[i], true);// 该函数计算轮廓的长度,后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合 //寻找角点 // conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点 approxPolyDP(contours[i],conpoly[i],0.02* peri,true); // conpoly[i]是输出array 0.02*peri 这个参数理解不了就不要理解!!! 最后一个参数仍然是询问是否闭合 //drawContours(img, contours , i, Scalar(255, 0, 255), 2); // 通过conpoly 而绘制的轮廓中只存在程序认为应该存在的点 cout << conpoly[i].size() << endl; // 输出图像轮廓中的拐角点 boundRect[i] = boundingRect(conpoly[i]); // 针对conpoly[i] 进行boundingRect 以便拟合相切矩形 //rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); // 使用 int objCor = (int)conpoly[i].size(); // 计算物体边角数 if (3 == objCor) objType = "Triangle"; else if (4 == objCor) { // 计算float对象,一定要记得使用 float 强转符号 float aspRatio = (float)boundRect[i].width/(float)boundRect[i].height; if(aspRatio<1.05 && aspRatio>0.95) objType = "Square"; else objType = "Rectangle"; } else if (objCor > 4) objType = "Circle"; putText(img, objType, Point(boundRect[i].x, boundRect[i].y-5), FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1); drawContours(img, conpoly, i, Scalar(255, 0, 255), 2); rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); } } }
运行结果:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。
赞 (0)