opencv的實用研究分析輪廓並尋找邊界點

opencv的實用研究--分析輪廓並尋找邊界點

輪廓是影象處理中非常常見的。對現實中的影象進行取樣、色彩變化、灰度變化之後，能夠處理得到的是「輪廓」。它直接地反應你了需要分析物件的邊界特徵。而對輪廓的分析，實際上也就是對原影象特徵的分析。

在opencv中，已經實現了基礎的輪廓演算法，但是相比較於比如halcon這樣的專業軟體，在輪廓處理這塊的功能還是比較缺乏的。這裡就通過乙個具體問題，說明自己的學習研究。不對之處歡迎批評。

p.s這裡的輪廓處理相關函式，已經包涵在gobase中，具體可以到公告中找github.

一、問題提出

那麼如果對於乙個簡單的影象，比如

已經獲得了最大物體的輪廓，比如

//灰度域變化

threshold(gray,gray,0,255,thresh_binary_inv);

gaussianblur(gray,gray,size(3,3),0,0);

//尋找和繪製輪廓

由於在opencv裡面，輪廓是以

vector>

儲存的，那

麼如何獲得這個輪廓的四個頂點了？

嘗試直接列印輪廓中第乙個點，那麼的確是左上角

但是不具有通用性，在一些比較複雜的上面效果不行,比如

那麼也就是說，必須通過特徵分析的方法獲得已經獲得的輪廓中點的特性，而opencv本身沒有提供相關功能。

二、直觀的解決

現在，對於「左上」和「右下」的兩個點，是比較好分析的。因為在所有的包含在輪廓中的點中，他們乙個是x,y同時最小的，乙個是x,y同時最大的。

比較複雜的是「左下」和"右上"兩個點，

因為他們的數值不是非常有特徵，

比較容易產生混淆。這個時候，如果僅僅是通過x,y值來分析，即使是對於簡單影象，也很難得到穩定的結果。

int itopleft =65535;
int idownright =0;
point ptopleft;
point pdownright;
point pdownleft;
for(int i=0;iidownright)
}int idownleft =65534;
//對於左下的點來說，應該是所有y大於左上的點中，x最小的
for(int i=0;iptopleft.y)  
}}

得到結果

nice，在影象中已經明顯的顯示出來了4個邊界點，再加上已經有的兩個點，得到結果不成問題。

四、問題進一步研究

但是這裡其實是用了乙個「投機取巧」的方法，那就是使用影象處理的才使用的harris演算法來分析輪廓。opencv預設實現的harris速度慢且會記憶體移除。用在這個簡單的例子裡面看似可以，但是無法處理現實問題。所以就必須分析原理。

做影象處理有一段時間了，我經常反思回憶，在影象處理中，能夠穩定解決問題的，往往依靠的是「先驗知識，本質特徵」；越是分析逼近影象的本質特徵，越能夠發現穩定的解決方法。比如對於輪廓的角來說，很容易想到處於邊角的點和兩邊的點肯定具有一定的關係，而這種關係具有特徵性。

所以有目的地尋找**，很快就有了成果：

對於我的研究來說，這篇**兩個貢獻：乙個是告知

首先要對影象進行高斯模糊，這個是我之前沒有想到的。特別是對於現實世界中的輪廓，這種方法效果很好。因為邊角經過模糊，那麼還是邊角，但毛刺經過模糊，能夠有效去除。

**中的演算法實現是比較簡單的，並且給出了簡化演算法，直接編碼驗證：

//遍歷輪廓，求出所有支撐角度
int icount = bigestcontour.size();
float fmax = -1;//用於儲存區域性最大值
int   imax = -1;
bool  bstart = false;
for (int i=0;i0.05)
}else}}

編碼過程中，相比較於原文，有兩處優化（原文中應該也提到了，但是沒有明說）：一是通過取模，使得所有的輪廓點都參與運算；二是通過比較，取出角點的區域性最大值。

實現效果，比較理想：

五、小結反思

1、掌握知識，如果不能歸納數學模型，並且編碼實現，不叫真正掌握；

2、分析研究，如果從簡單的情況開始，控制變數，往往能夠左右逢源。

opencv的實用研究分析輪廓並尋找邊界點

opencv學習輪廓分析尋找近似圓

OpenCV中的輪廓發現和輪廓繪製

OpenCV 輪廓的凸性

opencv的實用研究 分析輪廓並尋找邊界點

opencv學習 輪廓分析尋找近似圓

OpenCV中的輪廓發現和輪廓繪製

OpenCV 輪廓的凸性

相關推薦

opencv的實用研究分析輪廓並尋找邊界點

opencv學習輪廓分析尋找近似圓