欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Opencv——findContours函数再探(由轮廓联想连通域)

程序员文章站 2023-12-25 16:26:39
...

关于调参的一些思考

合理的参数设置,应该是基于对需要解决的问题的一些已知条件。如需要提取的线段的长度范围,需要定位的工件的尺寸、大小(面积)、形状,周长,矩形度,圆形度等。

分析图像的一些角度

1.从算法上
图像降噪,直方图增强,二值化,频率分析,图像形态学,几何信息 提取,特征提取,等各种数学方法。 尽可能多的输出结果。
2.从策略上
筛选出实际需要的结果。
把握需要的信息和干扰信息的本质差距。

面积、周长、矩形度、圆形度、宽长比

Opencv——findContours函数再探(由轮廓联想连通域)
Opencv——findContours函数再探(由轮廓联想连通域)
Opencv——findContours函数再探(由轮廓联想连通域)
这里不做具体分析,以后专门写一篇笔记。

例1:找出汽车轮毂圆孔(从轮廓和连通域两个角度)

原图:
Opencv——findContours函数再探(由轮廓联想连通域)
分析:
1、获取二值图像(选用二值化阈值或者canny算子扫描)
2、通过findContours函数寻找连通域,轮廓则是对应连通域的轮廓
3、通过minAreaRect函数获取轮廓最小矩形框(可旋转),利改矩形框的特征来锁定目标(这里我们限制,矩形框的长宽比值在1附近,并且矩形框的宽度大于10)
4、对锁定的轮廓,通过drawContours函数绘制轮廓(注意参数,倒数第二个填-1则为填该改轮廓,类似漫水填充,不过漫水填充不能获取轮廓特征)
另一种思路:
1、获取二值图像(这里为了使圆圈内部为白,使用反阈值)
2、利用connectedComponentsWithStats函数获取连通域矩阵
3、通过状态矩阵statsMat,来获取连通域最小外接四边形 (bounding box)的 x, y, width,height和面 积(像素数量)
4、通过四边形的条件来限制

思路1代码:

int main()
{
	cv::Mat srcMat = imread("D:\\opencv_picture_test\\rim.png", 1);
	Mat dstMat, binMat;
	cvtColor(srcMat, dstMat, COLOR_BGR2GRAY);
	threshold(dstMat, binMat, 0, 255, THRESH_OTSU);
	imshow("bin", binMat);
	//通过findContours函数寻找连通域
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	findContours(binMat, contours, RETR_LIST,CHAIN_APPROX_NONE);

	//绘制轮廓,内填充
	for (int i = 0; i < contours.size(); i++) {
		RotatedRect rbox = minAreaRect(contours[i]);
		if (fabs(rbox.size.width * 1.0 / rbox.size.height - 1) < 0.1 && rbox.size.width > 10)
			drawContours(srcMat, contours, i, Scalar(0, 255, 255), -1, 8);
	}
	imshow("rim", srcMat);
	waitKey(0);
}

二值图:
Opencv——findContours函数再探(由轮廓联想连通域)
框定图:
Opencv——findContours函数再探(由轮廓联想连通域)
思路2代码:

int main()
{
	Mat lableMat;
	Mat statsMat;
	Mat centerMat;
	Mat srcMat = imread("D:\\opencv_picture_test\\轮廓\\rim.png", 1);		//读取灰度
	Mat dstMat;
	cvtColor(srcMat, srcMat, COLOR_BGR2GRAY);
	//调用阈值函数
	threshold(srcMat, dstMat, 120, 255,THRESH_BINARY_INV);
	//腐蚀操作
	//Mat element = getStructuringElement(MORPH_ELLIPSE, Size(9,9));		
	//morphologyEx(dstMat,dstMat, MORPH_ERODE, element);		
	int nComp = cv::connectedComponentsWithStats(dstMat,
		lableMat,
		statsMat,
		centerMat,
		8,
		CV_32S);

	for (int i = 1; i < nComp; i++)
	{
		cout << "pixels = " << statsMat.at<int>(i, 4) << endl;
		cout << "width = " << statsMat.at<int>(i, 2) << endl;
		cout << "height = " << statsMat.at<int>(i, 3) << endl;
		cout << endl;
	}

	for (int i = 1; i < nComp; i++)
	{
		Rect bndbox;
		bndbox.x = statsMat.at<int>(i, 0);
		bndbox.y = statsMat.at<int>(i, 1);
		bndbox.width = statsMat.at<int>(i, 2);
		bndbox.height = statsMat.at<int>(i, 3);
		if (fabs(bndbox.width * 1.0 / bndbox.height - 1) < 0.1 && bndbox.width > 30)
		rectangle(srcMat, bndbox, CV_RGB(255, 255, 255), 1, 8, 0);
	}
	imshow("src", srcMat);
	//imshow("dst", dstMat);
	waitKey(0);
}

效果图:
Opencv——findContours函数再探(由轮廓联想连通域)

例2:找出芯片中间正方形物体

原图:
Opencv——findContours函数再探(由轮廓联想连通域)
分析:
1、获取二值图像(选用二值化阈值或者canny算子扫描)
2、通过findContours函数寻找连通域,轮廓则是对应连通域的轮廓
3、通过minAreaRect函数获取轮廓最小矩形框(可旋转),利改矩形框的特征来锁定目标(这里我们限制,矩形框的长宽比值在1附近,并且矩形框的宽度大于10)
4、对锁定的轮廓,通过drawContours函数绘制轮廓
5、通过轮廓外最小矩形的四个顶点坐标,来绘制边框
另一种思路:
1、获取二值图像(这里为了使圆圈内部为白,使用反阈值)
2、利用connectedComponentsWithStats函数获取连通域矩阵
3、通过状态矩阵statsMat,来获取连通域最小外接四边形 (bounding box)的 x, y, width,height和面 积(像素数量)
4、通过四边形的条件来限制
Opencv——findContours函数再探(由轮廓联想连通域)
思路1代码:

////*--------------------------【练习2】矩形框-------------------------------------*/
int main()
{
	cv::Mat srcMat = imread("D:\\opencv_picture_test\\轮廓\\die_on_chip.png", 1);
	Mat dstMat, binMat;
	cvtColor(srcMat, dstMat, COLOR_BGR2GRAY);
	threshold(dstMat, binMat, 0, 255, THRESH_OTSU);
	imshow("bin", binMat);
	//通过findContours函数寻找连通域
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	findContours(binMat, contours, RETR_LIST, CHAIN_APPROX_NONE);

	//绘制轮廓
	for (int i = 0; i < contours.size(); i++) {
		RotatedRect rbox = minAreaRect(contours[i]);
		if (fabs(rbox.size.width * 1.0 / rbox.size.height - 1) < 0.1 && rbox.size.width > 10)
		{
			drawContours(srcMat, contours, i, Scalar(0, 255, 255), 1, 8);
			Point2f vtx[4];
			rbox.points(vtx);
			for (int j = 0; j < 4; ++j) {
				cv::line(srcMat, vtx[j], vtx[j < 3 ? j + 1 : 0], Scalar(0, 0, 255), 3, LINE_AA);
			}
		}
	}
	imshow("die_on_chip", srcMat);
	waitKey(0);
}

Opencv——findContours函数再探(由轮廓联想连通域)
思路2代码:

////*--------------------------【练习1连通域解法】-------------------------------------*/

int main()
{
	Mat lableMat;
	Mat statsMat;
	Mat centerMat;
	Mat srcMat = imread("D:\\opencv_picture_test\\轮廓\\die_on_chip.png", 1);		//读取灰度
	Mat dstMat;
	cvtColor(srcMat, srcMat, COLOR_BGR2GRAY);
	//调用阈值函数
	threshold(srcMat, dstMat, 120, 255,THRESH_BINARY);
	//腐蚀操作
	//Mat element = getStructuringElement(MORPH_ELLIPSE, Size(9,9));		
	//morphologyEx(dstMat,dstMat, MORPH_ERODE, element);		
	int nComp = cv::connectedComponentsWithStats(dstMat,
		lableMat,
		statsMat,
		centerMat,
		8,
		CV_32S);

	for (int i = 1; i < nComp; i++)
	{
		cout << "pixels = " << statsMat.at<int>(i, 4) << endl;
		cout << "width = " << statsMat.at<int>(i, 2) << endl;
		cout << "height = " << statsMat.at<int>(i, 3) << endl;
		cout << endl;
	}

	for (int i = 1; i < nComp; i++)
	{
		Rect bndbox;
		bndbox.x = statsMat.at<int>(i, 0);
		bndbox.y = statsMat.at<int>(i, 1);
		bndbox.width = statsMat.at<int>(i, 2);
		bndbox.height = statsMat.at<int>(i, 3);
		if (fabs(bndbox.width * 1.0 / bndbox.height - 1) < 0.2 && statsMat.at<int>(i, 4)>=1200)
		rectangle(srcMat, bndbox, CV_RGB(0, 255, 255), 1, 8, 0);
	}
	imshow("src", srcMat);
	//imshow("dst", dstMat);
	waitKey(0);
}

效果图:
Opencv——findContours函数再探(由轮廓联想连通域)

例3:桌面上橘色物体

分析:
1、RGB转HSV图
2、将HSV通道分离,获取三个通道值
3、对S通道进行二值化处理
4、接下来按照上面两题的思路,找轮廓,框定。、
代码:

//*--------------------------【练习3】矩形框-------------------------------------*/
int main()
{
	cv::Mat srcMat = imread("D:\\opencv_picture_test\\轮廓\\topic1.jpg", 1);
	Mat dstMat, binMat;
	cvtColor(srcMat, dstMat, COLOR_BGR2HSV);
	vector<Mat> channels;
	split(dstMat, channels);
	//namedWindow("H", WINDOW_NORMAL);//WINDOW_NORMAL允许用户*伸缩窗口
	//imshow("H", channels.at(0));
	namedWindow("S", WINDOW_NORMAL);//WINDOW_NORMAL允许用户*伸缩窗口
	imshow("S", channels.at(1));
	//namedWindow("V", WINDOW_NORMAL);//WINDOW_NORMAL允许用户*伸缩窗口
	//imshow("V", channels.at(2));
	//将S通道的图像复制,然后处理
	Mat S_Mat;
	channels.at(1).copyTo(S_Mat);
	//namedWindow("S", WINDOW_NORMAL);//WINDOW_NORMAL允许用户*伸缩窗口
	//imshow("S", S_Mat);
	threshold(S_Mat, binMat, 120, 255, THRESH_BINARY);
	namedWindow("bin", WINDOW_NORMAL);//WINDOW_NORMAL允许用户*伸缩窗口
	imshow("bin", binMat);
	//通过findContours函数寻找连通域
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	findContours(binMat, contours, RETR_LIST, CHAIN_APPROX_NONE);

	//绘制轮廓
	for (int i = 0; i < contours.size(); i++) {
		RotatedRect rbox = minAreaRect(contours[i]);
		if (fabs(rbox.size.width * 1.0 / rbox.size.height - 1) < 0.3 && rbox.size.width > 10)
		{
			drawContours(srcMat, contours, i, Scalar(0, 255, 255), 1, 8);
			Point2f vtx[4];
			rbox.points(vtx);
			for (int j = 0; j < 4; ++j) {
				cv::line(srcMat, vtx[j], vtx[j < 3 ? j + 1 : 0], Scalar(255, 255, 255), 2, LINE_AA);
			}
		}
	}
	namedWindow("topic1", WINDOW_NORMAL);//WINDOW_NORMAL允许用户*伸缩窗口
	imshow("topic1", srcMat);
	waitKey(0);
	return 0;

}

S通道图:
Opencv——findContours函数再探(由轮廓联想连通域)
用S通道进行二值化:
Opencv——findContours函数再探(由轮廓联想连通域)
框定图:
Opencv——findContours函数再探(由轮廓联想连通域)

总结

从目前来看,框定目标物体我们从轮廓和连通域都可以。
其中,利用minAreaRect函数可以获取轮廓最小矩形框的参数值,也包括了轮廓的部分信息。
利用connectedComponentsWithStats获取连通域,可从中获取的连通域信息。
利用这些信息,结合矩形度、圆形度、宽长比等数学特征则可以剔除一些不符合特征的备选项。

相关标签: opencv基本操作

上一篇:

下一篇: