opencv提取直线、轮廓及ROI的描述方法

OpenCV线特征提取 使用OpenCV提取图像中的线特征 阅读详情

转自51CTO博客作者Ronny的文章,原文地址

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最优秀的边缘检测算法。

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。最后采用一种查找算法,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:

image

二、直线检测

用到的是霍夫变换检测直线的算法

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最低投票个数,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 );

解释一下最后两个参数,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;
    }
}

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,最后一个是半径。

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<Po

 int>>。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;
}

image

上面程序中包含了2个函数,第一个是查找轮廓函数,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:

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。











opencv 风挡轮廓补全 项目需要识别出汽车车前窗部分,通过ROI选取出来,再进行下一步的处理。我利用一些办法得到了如图1所示的轮廓,但是效果很不好。图中可见车窗四个边只有左侧、右侧和下侧轮廓,各个轮廓很不连续,断线问题很严重,并且这张图片已经是数据集里效果比较好的,还有更多的图片轮廓断线更为严重,直接提取ROI非常困难。 阅读详情

相关推荐

利用OpenCV手动选取ROI识别对接接口

利用OpenCV手动选取ROI识别对接接口 学习了opencv后便尝试着做一些图像处理,在实际项目以及生产中使用,下面是在VS2015+opencv3.2环境下编写的小程序,目的是识别钛合金管管对接时的接口,接口处可能会存在焊点,直接上源码,如果有啥问题可以评论下留言。

weixin_42156809的博客 987

【OpenCV构造线段并提取轮廓】

OpenCV

weixin_38233194的博客 3719

OpenCV十字标中心点提取:六种实用方法对比与优化策略

本文深入对比了OpenCV中提取十字标中心点的六种实用方法,包括边界拟合直线、直方图投影、二值化细化拟合等,并分析了各自的优缺点与适用场景。针对工业视觉中常见的图像模糊、光照不均等挑战,提供了详细的优化策略与避坑指南,帮助开发者根据精度、速度和鲁棒性需求选择最佳方案。

j2k3l4的博客 1039

OpenCV——ROI截取、线性混合、通道分离、合并、亮度对比度调整

1 #include <opencv2/opencv.hpp> 2 #include <iostream> 3 4 using namespace cv; 5 using namespace std; 6 7 int main(int argc, char** a...

一抹烟霞的博客 196

OpenCV图像轮廓提取与分析实战指南

图像轮廓提取是计算机视觉中的基础技术,通过将物体边缘转换为连续曲线表示,实现对目标几何特征的降维描述。其核心原理基于拓扑学的边界定义,常用8连通区域检测轮廓点,并通过边界追踪算法形成闭合曲线。在工程实践中,轮廓分析技术广泛应用于工业检测、目标识别、动作分析等领域,结合OpenCV等工具库可实现高效处理。关键技术点包括二值化预处理、轮廓检索模式选择、特征计算(面积/周长/凸包等)以及形状匹配算法。针对噪声干扰、断点轮廓等常见问题,采用高斯模糊、形态学运算等预处理手段能显著提升轮廓质量。通过轮廓特征分析和Hu矩

weixin_34200628的博客 334

使用OpenCV从低对比度图像中提取圆形轮廓

希望本文能帮助您从低对比度图像中提取圆形轮在本文中,我们将探讨如何使用OpenCV库从低对比度图像中提取圆形轮廓。低对比度图像通常指的是图像中的亮度差异很小,导致物体边缘不够清晰的情况。在本文中,我们将探讨如何使用OpenCV库从低对比度图像中提取圆形轮廓。低对比度图像通常指的是图像中的亮度差异很小,导致物体边缘不够清晰的情况。通过预处理图像并应用Hough变换,我们能够在低对比度图像中准确地提取圆形轮廓。通过预处理图像并应用Hough变换,我们能够在低对比度图像中准确地提取圆形轮廓。

ByteWhiz的博客 351

c语言图像轮廓坐标,C语言实现opencv提取直线、轮廓及ROI实例详解

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最优秀的边缘检测算法。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...

weixin_34434948的博客 660

opencv学习笔记二十一:轮廓提取

轮廓:一个轮廓代表一系列的点(像素),这一系列的点构成一个有序的点集,所以可以把一个轮廓理解为一个有序的点集。 在opencv中,提供了一个函数返回一个有序的点集或者有序的点集的集合(指多个有序的点集),函数findContour是从二值图像中来计算轮廓的,一般使用Canny()函数处理后的图像,因为这样的图像含有边缘像素。 寻找轮廓的API函数: findContours(image,v...

qq_24946843的博客 5199

opencv c语言检测轮廓,C语言实现opencv提取直线、轮廓及ROI实例详解

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最优秀的边缘检测算法。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...

weixin_28930033的博客 559

opencv3/C++轮廓的提取与筛选方式

今天小编就为大家分享一篇opencv3/C++轮廓的提取与筛选方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

Python实现使用卷积提取图片轮廓功能示例

主要介绍了Python实现使用卷积提取图片轮廓功能,涉及Python数值运算与图像处理相关操作技巧,需要的朋友可以参考下

c语言 霍夫变换检测直线,C语言实现opencv提取直线、轮廓及ROI实例详解

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最优秀的边缘检测算法。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...

weixin_28783937的博客 782

Android应用开发从零到一:基于Kotlin与Jetpack Compose的完整实践指南

移动应用开发的核心在于构建一个架构清晰、可维护且可扩展的应用基础。理解应用架构的原理,如关注点分离和数据驱动UI,是实现高质量应用的关键技术价值。在现代Android开发中,Kotlin语言凭借其空安全特性和协程,能有效提升代码的健壮性与开发效率。Jetpack Compose作为声明式UI框架,代表了UI开发的未来方向,与Kotlin协程深度集成,简化了复杂交互界面的构建。这些技术共同服务于个人任务管理、企业工具等多种应用场景。本文以构建一个完整的个人任务管理应用为例,系统阐述从环境搭建、UI构建、数据持

weixin_32667955的博客 314

OpenCV 截取任意形状的ROI

规则矩形的ROI提取可以使用 numpy 的数据切片操作,但是真实场景的ROI形状并不规则,可能伴随着旋转角度、多点折线等特征。这里介绍利用 OpenCV 截取任意形状ROI的基本思路。会使用到的几个比较重要的方法有: 直线拟合:cv.fitLine 旋转矩阵:cv.getRotationMatrix2D 仿射变换:cv.warpAffine 轮廓绘制:cv.drawContours 图像融合:cv.add 外接框拟合:cv.minAreaRect 一、基本思路 这里针对的是一般的 BGR 图像,ROI

DaGongJiGuoMaLu09的博客 2405

使用html和JavaScript实现一个简易的物业管理系统

码实现了一个简易的物业管理系统,主要使用了以下技术和功能: 1.主要技术 使用的技术: HTML: 用于构建网页的基本结构。 包括表单、表格、按钮等元素。 CSS: 用于美化网页的外观和布局。 设置字体、颜色、边距、对齐方式等样式。 JavaScript: 用于处理用户交互和动态更新页面内容。 实现了新增住户、查询住户、编辑住户、删除住户等功能。 处理表单提交事件,验证输入数据,并更新表格显示。 DOM操作: 使用 JavaScript 直接操作 HTML DOM 元素。 动态

weixin_41312759的博客 1781

基于STM32F103的二维码识别项目——OV7670篇

此系列用于记录做过的项目,这篇文章介绍基于STM32F103的二维码识别项目之OV7670FIFO模块。

beyourself_he的博客 4296

用c语言做图片轮廓提取,Opencv实现轮廓提取功能

轮廓:一个轮廓代表一系列的点(像素),这一系列的点构成一个有序的点集,所以可以把一个轮廓理解为一个有序的点集。在opencv中,提供了一个函数返回一个有序的点集或者有序的点集的集合(指多个有序的点集),函数findContour是从二值图像中来计算轮廓的,一般使用Canny()函数处理后的图像,因为这样的图像含有边缘像素。寻找轮廓的API函数:findContours(image,vector&g...

weixin_35751412的博客 1091

全志T133-s3(Tina Linux)下RTL8723DS WiFi驱动移植与调试实战

本文详细介绍了在全志T133-s3平台(Tina Linux)上移植RTL8723DS WiFi驱动的完整流程,包括硬件连接、驱动源码获取、内核配置、系统适配、设备树配置以及常见问题排查。通过实战案例,帮助开发者快速解决SDIO接口通信、固件加载、电源管理等关键问题,实现稳定的WiFi功能。

weixin_30505225的博客 510

opencv-python 指静脉的ROI获取(拟合手指中线加旋转)

阅读过我的上一篇博客后,都知道应该如何在canny处理后提取到我们的手指轮廓,剔除背景轮廓了,还没看的点这里上一篇博客 然后我们要做的事情很简单,就是拟合手指的中线,并且旋转我们原来的图像以待进一步的处理。 中线的获得: 我拟合中线的办法就是采取手指每一对上下(两侧)轮廓的平均值,然后将这个中间位置的坐标记录下来。 import cv2 as cv import numpy as np...

lustyoung的博客 2447

【TC3xx芯片】TC3xx芯片看门狗复位的默认行为分析

TC3xx芯片看门狗复位的默认行为分析

qq_36056498的博客 352

【深度学习总结_02】在自己的数据集微调SAM

使用医疗影像数据微调SAM

qq_41234663的博客 1万+
上一篇: C语言编程笔记
下一篇: 用俗话讲讲卡尔曼滤波与粒子滤波
sac761
博客等级 码龄12年 303粉丝 113原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值