OpenCV成长之路：直线、轮廓的提取与描述

本文是博客作者Ronny的文章，原文地址。

创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：网站设计、成都网站设计、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的崇仁网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

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

 
 
 
 
    
  
  
  
  
  1. int main() 
    2. 
  
  
  
  
  2. { 
    3. 
  
  
  
  
  3.     Mat I=imread("../cat.png"); 
    4. 
  
  
  
  
  4.     cvtColor(I,I,CV_BGR2GRAY); 
    5. 
  
  
  
  
  5.                                                  
    6. 
  
  
  
  
  6.     Mat contours; 
    7. 
  
  
  
  
  7.     Canny(I,contours,125,350); 
    8. 
  
  
  
  
  8.     threshold(contours,contours,128,255,THRESH_BINARY); 
    9. 
  
  
  
  
  9.     namedWindow("Canny"); 
    10. 
  
  
  
  
  10.     imshow("Canny",contours); 
    11. 
  
  
  
  
  11.     waitKey(); 
    12. 
  
  
  
  
  12.     return 0; 
    13. 
  
  
  
  
  13. } 
    14.

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：

 
 
 
 
    
  
  
  
  
  1. void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 ); 
    2.

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。

 
 
 
 
    
  
  
  
  
  1. void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta,int threshold, double minLineLength=0, double maxLineGap=0 ); 
    2.

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：

 
 
 
 
    
  
  
  
  
  1. int main() 
    2. 
  
  
  
  
  2. { 
    3. 
  
  
  
  
  3.     Mat image=imread("../car.png"); 
    4. 
  
  
  
  
  4.     Mat I; 
    5. 
  
  
  
  
  5.     cvtColor(image,I,CV_BGR2GRAY); 
    6. 
  
  
  
  
  6.                              
    7. 
  
  
  
  
  7.     Mat contours; 
    8. 
  
  
  
  
  8.     Canny(I,contours,125,350); 
    9. 
  
  
  
  
  9.     threshold(contours,contours,128,255,THRESH_BINARY); 
    10. 
  
  
  
  
  10.     vector lines; 
    11. 
  
  
  
  
  11.     // 检测直线，最小投票为90，线条不短于50，间隙不小于10 
    12. 
  
  
  
  
  12.     HoughLinesP(contours,lines,1,CV_PI/180,80,50,10); 
    13. 
  
  
  
  
  13.     drawDetectLines(image,lines,Scalar(0,255,0)); 
    14. 
  
  
  
  
  14.     namedWindow("Lines"); 
    15. 
  
  
  
  
  15.     imshow("Lines",image); 
    16. 
  
  
  
  
  16.     waitKey(); 
    17. 
  
  
  
  
  17.     return 0; 
    18. 
  
  
  
  
  18. } 
    19.

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：

 
 
 
 
    
  
  
  
  
  1. void drawDetectLines(Mat& image,const vector& lines,Scalar & color) 
    2. 
  
  
  
  
  2. { 
    3. 
  
  
  
  
  3.     // 将检测到的直线在图上画出来 
    4. 
  
  
  
  
  4.     vector::const_iterator it=lines.begin(); 
    5. 
  
  
  
  
  5.     while(it!=lines.end()) 
    6. 
  
  
  
  
  6.     { 
    7. 
  
  
  
  
  7.         Point pt1((*it)[0],(*it)[1]); 
    8. 
  
  
  
  
  8.         Point pt2((*it)[2],(*it)[3]); 
    9. 
  
  
  
  
  9.         line(image,pt1,pt2,color,2); //  线条宽度设置为2 
    10. 
  
  
  
  
  10.         ++it; 
    11. 
  
  
  
  
  11.     } 
    12. 
  
  
  
  
  12. } 
    13.

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>。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。

 
 
 
 
    
  
  
  
  
  1. int main() 
    2. 
  
  
  
  
  2.   { 
    3. 
  
  
  
  
  3.       using namespace cv; 
    4. 
  
  
  
  
  4.              
    5. 
  
  
  
  
  5.       Mat image=imread("../shape.png"); 
    6. 
  
  
  
  
  6.       cvtColor(image,image,CV_BGR2GRAY); 
    7. 
  
  
  
  
  7.      vector> contours; 
    8. 
  
  
  
  
  8.      // find 
    9. 
  
  
  
  
  9.      findContours(image,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE); 
    10. 
  
  
  
  
  10.     // draw 
    11. 
  
  
  
  
  11.      Mat result(image.size(),CV_8U,Scalar(0)); 
    12. 
  
  
  
  
  12.      drawContours(result,contours,-1,Scalar(255),2); 
    13. 
  
  
  
  
  13.             
    14. 
  
  
  
  
  14.      namedWindow("contours"); 
    15. 
  
  
  
  
  15.      imshow("contours",result); 
    16. 
  
  
  
  
  16.      waitKey(); 
    17. 
  
  
  
  
  17.      return 0; 
    18. 
  
  
  
  
  18. } 
    19.

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。

 
 
 
 
    
  
  
  
  
  1. // 轮廓表示为一个矩形 
    2. 
  
  
  
  
  2. Rect r = boundingRect(Mat(contours[0])); 
    3. 
  
  
  
  
  3. rectangle(result, r, Scalar(255), 2); 
    4. 
  
  
  
  
  4. // 轮廓表示为一个圆 
    5. 
  
  
  
  
  5. float radius; 
    6. 
  
  
  
  
  6. Point2f center; 
    7. 
  
  
  
  
  7. minEnclosingCircle(Mat(contours[1]), center, radius); 
    8. 
  
  
  
  
  8. circle(result, Point(center), static_cast(radius), Scalar(255), 2); 
    9. 
  
  
  
  
  9. // 轮廓表示为一个多边形 
    10. 
  
  
  
  
  10. vector poly; 
    11. 
  
  
  
  
  11. approxPolyDP(Mat(contours[2]), poly, 5, true); 
    12. 
  
  
  
  
  12. vector::const_iterator itp = poly.begin(); 
    13. 
  
  
  
  
  13. while (itp != (poly.end() - 1)) 
    14. 
  
  
  
  
  14. { 
    15. 
  
  
  
  
  15.     line(result, *itp, *(itp + 1), Scalar(255), 2); 
    16. 
  
  
  
  
  16.     ++itp; 
    17. 
  
  
  
  
  17. } 
    18. 
  
  
  
  
  18. line(result, *itp, *(poly.begin()), Scalar(255), 2); 
    19. 
  
  
  
  
  19. // 轮廓表示为凸多边形 
    20. 
  
  
  
  
  20. vector hull; 
    21. 
  
  
  
  
  21. convexHull(Mat(contours[3]), hull); 
    22. 
  
  
  
  
  22. vector::const_iterator ith = hull.begin(); 
    23. 
  
  
  
  
  23. while (ith != (hull.end() - 1)) 
    24. 
  
  
  
  
  24. { 
    25. 
  
  
  
  
  25.     line(result, *ith, *(ith + 1), Scalar(255), 2); 
    26. 
  
  
  
  
  26.     ++ith; 
    27. 
  
  
  
  
  27. } 
    28. 
  
  
  
  
  28. line(result, *ith, *(hull.begin()), Scalar(255), 2); 
    29.

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。

本文名称：OpenCV成长之路：直线、轮廓的提取与描述
标题网址：http://www.mswzjz.com/qtweb/news34/203534.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联

猜你还喜欢下面的内容

网站设计知识

同城分类信息

成都网站设计　　 　软文推广　　 　平城网站运维　　 　梓潼网站制作公司　　 　乐山网站建设　　 　成都网站优化　　 　绵阳服务器托管　　 　成都装修公司　　 　成都塑料加工　　 　四川雕琢时光　　 　企业网站建设　　 　成都移动主机托管　　 　seo优化排名　　 　成都定制高级网站建设　　 　都江堰网站建设　　 　格蓝特设备　　 　众诚伟业　　 　固迪佳新材料　　 　金融行业网站建设方案　　 　平武做网站