opencv4android常用变换（终）

最新推荐文章于 2024-08-18 23:51:51 发布

原创最新推荐文章于 2024-08-18 23:51:51 发布 · 2.8k 阅读

2 ·

CC 4.0 BY-SA版权

Android 专栏收录该内容

7 篇文章

订阅专栏

本文介绍了opencv4android中的一些图像变换操作，包括Laplace算子、Canny边缘检测、霍夫线变换和霍夫圆变换。通过实例展示了这些变换在边缘检测和形状识别中的应用，探讨了参数设置对结果的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

opencv4android常用变换（三）

这是opencv4android的第三篇，从这里开始就简单的写，要不我没有时间去学别的了！大家加油。

Laplace 算子

检测边缘的一种算法，是一个二阶导数就是Sobel的导数，可以这么理解，是边界轮廓更加清晰明显。
方法： Laplacian(grayMat,dstMat,-1,3,1,0,Core.BORDER_DEFAULT)；

参数说明：原图像，目标图像，深度，内核大小，后三个为默认值。

代码：

    Mat grayMat=new Mat();
    Utils.bitmapToMat(mBitmap,rgbMat);
    Imgproc.GaussianBlur(rgbMat,grayMat,new Size(3,3),0,0,Core.BORDER_DEFAULT);
    Imgproc.cvtColor(grayMat,grayMat,Imgproc.COLOR_BGR2GRAY);
    Imgproc.Laplacian(grayMat,dstMat,-1,3,1,0,Core.BORDER_DEFAULT);
    Utils.matToBitmap(dstMat,dstBitmap);
    dstImage.setImageBitmap(dstBitmap);

效果：

从效果图上来看，确实要比Sobel的边缘检测效果要好很多，能够很明显的看出帽子上羽毛的轮廓。

Canny 边缘检测

Canny 边缘检测算法是 John F. Canny 于 1986年开发出来的一个多级边缘检测算法，也被很多人认为是边缘检测的最优算法, 最优边缘检测的三个主要评价标准是:

低错误率: 标识出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报。
高定位性: 标识出的边缘要与图像中的实际边缘尽可能接近。
最小响应: 图像中的边缘只能标识一次。
—引自opencv教程。

方法：Imgproc.Canny(grayMat,dstMat,n,3*n,3,true);

参数：灰度图像，目标图像，最低阈值，最高阈值，内核大小，不知道。

代码：

    Mat grayMat=new Mat();
    Utils.bitmapToMat(mBitmap,rgbMat);
    Imgproc.cvtColor(rgbMat,grayMat,Imgproc.COLOR_BGR2GRAY);
    Imgproc.GaussianBlur(grayMat,grayMat,new Size(3,3),0,0,Core.BORDER_DEFAULT);
    Imgproc.Canny(grayMat,dstMat,n,3*n,3,true);
    Utils.matToBitmap(dstMat,dstBitmap);
    dstImage.setImageBitmap(dstBitmap);

解释一下，先灰度之后高斯平滑，之后在边缘检测。

效果图：

在解释一下，进度条最大值代表最低阈值，也就是第三个参数，第四个参数是第三个的2-3倍最好，我使用3倍，内核是3，opencv教程中使用的归一块平滑，我用的是高斯，可能效果上有所差异，不过轮廓的清晰度还是很好的。

霍夫线变换

霍夫线变换是一种用来寻找直线的方法.
是用霍夫线变换之前, 首先要对图像进行边缘检测的处理，也即霍夫线变换的直接输入只能是边缘二值图像.

在写这个的时候已经距离我写之前的两个有一个礼拜的时间了。这个霍夫线变化实在是有点费劲，主要是在容器的创建和使用上，完全搞不懂，如果有会的希望能给我留言，交流一下， QQ755457743.标准的霍夫线变换没写，因为那个容器没法弄，搞了好几天都没搞好，都准备弃了，统计概率霍夫线变换写出来了，不过感觉不对啊，跟opencv教程上的差好多，不过也算是弄出来了，就发一下看看。
方法： HoughLinesP(Mat image, Mat lines, double rho, double theta, int threshold, double minLineLength, double maxLineGap)
参数：

image: 边缘检测的输出图像. 它应该是个灰度图 (但事实上是个二值化图)
lines: 储存着检测到的直线的参数对 (x_{start}, y_{start}, x_{end}, y_{end}) 的容器
rho : 参数极径 r 以像素值为单位的分辨率. 我们使用 1 像素.
theta: 参数极角 \theta 以弧度为单位的分辨率. 我们使用 1度 (即CV_PI/180)
threshold: 要”检测” 一条直线所需最少的的曲线交点
minLinLength: 能组成一条直线的最少点的数量. 点数量不足的直线将被抛弃.
maxLineGap: 能被认为在一条直线上的亮点的最大距离.

其中最费劲的就是这个lines容器，Mat对象。完全不知道怎么写。各种尝试。最后在stackoverflow看到一个人的回答，参照他的写法才勉强弄出图像的。

代码：

 Mat srcMat=new Mat();
    Mat dstMat=new Mat();
    Mat thresholdImage=new Mat();
    Utils.bitmapToMat(mBitmap,srcMat);
    Imgproc.cvtColor(srcMat,thresholdImage,Imgproc.COLOR_BGR2GRAY,4);
    Imgproc.cvtColor(srcMat,dstMat,Imgproc.COLOR_BGR2RGB,4);
    Imgproc.Canny(thresholdImage,thresholdImage,50,200,3,true);
    Mat lines=new Mat();
    int threshold=50,minLineSize=50,lineGap=10;
    Imgproc.HoughLinesP(thresholdImage,lines,1,1,n,n,lineGap);
//        Imgproc.HoughLines(thresholdImage,lines,1,1,n,0,0);
    for(int i=0;i<lines.cols();i++){
        for(int j=0;j<lines.rows();j++){
        double[] vec=lines.get(j,i);
            double x1 = vec[0],
                    y1 = vec[1],
                    x2 = vec[2],
                    y2 = vec[3];
            Point start = new Point(x1, y1);
            Point end = new Point(x2, y2);
            Log.d("TAG","Point: "+start.toString()+"/"+end.toString());
            Imgproc.line(dstMat,start,end,new Scalar(255,0,0),3);
            Log.d("TAG","arrays : +" +Arrays.toString(vec));
        }
    }
    Log.d("TAG","dst: "+dstMat.size()+"/"+dstMat.type()+"/"+dstMat.rows()+"/"+dstMat.cols());
    Utils.matToBitmap(dstMat,dstBitmap);
    dstImage.setImageBitmap(dstBitmap);

效果图：

可以看出来，只是有线的效果，而且只有在阈值特别低的情况下才能明显的感觉到有窗户，感觉是我写的不对。在上面的代码中，主要的坑就是在第二个参数坐标的容器，卡了好久，完全没有思路，现在的这种方式也是借鉴来的，自己加了一些改动，可能是自己对于矩阵这个容器的理解不是很深刻，上面你的代码我也不是很理解，矩阵搞得每一个元素都存储了两个点的坐标，也就是一条直线的起点和终点，我不知道对不对。

霍夫圆变换

跟霍夫线变换类似用于检测圆的，这个写的没问题，不过需要根据阈值拉调整。

方法：
HoughCircles(Mat image, Mat circles, int method, double dp, double minDist, double param1, double param2, int minRadius, int maxRadius)
参数：

image: 输入图像 (灰度图)
circles: 存储下面三个参数: x_{c}, y_{c}, r 集合的容器来表示每个检测到的圆.
CV_HOUGH_GRADIENT: 指定检测方法. 现在OpenCV中只有霍夫梯度法
dp = 1: 累加器图像的反比分辨率
min_dist = src_gray.rows/8: 检测到圆心之间的最小距离
param_1 = 200: Canny边缘函数的高阈值
param_2 = 100: 圆心检测阈值.
min_radius = 0: 能检测到的最小圆半径, 默认为0.
max_radius = 0: 能检测到的最大圆半径, 默认为0

代码：

 Mat src=new Mat();
    Mat dst=new Mat();
    Mat gray=new Mat();
    Utils.bitmapToMat(mBitmap,src);
    Imgproc.cvtColor(src,gray,Imgproc.COLOR_BGR2GRAY);
    Imgproc.GaussianBlur(gray,gray,new Size(9,9),2,2);
    Mat circles=new Mat();
    Imgproc.HoughCircles(gray,circles,Imgproc.CV_HOUGH_GRADIENT,1,gray.rows()/8,4*n,100,0,0);
    for(int i=0;i<circles.cols();i++){
        for(int j =0;j<circles.rows();j++){
            double[] c=circles.get(j,i);
            Log.d("TAG","c: "+ Arrays.toString(c));
            Point center=new Point(c[0],c[1]);
            Imgproc.circle(src,center, (int) c[2],new Scalar(255,0,0),3,8,0);
            Imgproc.circle(src,center, 3,new Scalar(0,255,0),-1,8,0);
        }
    }
    Log.d("TAG","circle: "+circles.size()+"/"+circles.cols()+"/"+circles.rows());
    Utils.matToBitmap(src,dstBitmap);
    dstImage.setImageBitmap(dstBitmap);

这个代码是没有问题的，效果也是可以的，如果没有达到预期可能是因为param_1的参数问题。

效果图：

可以看到不同的值对应这不同的圆。

Remapping 重映射

把一个图像中一个位置的像素放置到另一个图片指定位置的过程.这个效果没有实现，只实现了像素的挪动没有达到opencv中的效果。

方法：

 remap(Mat src, Mat dst, Mat map1, Mat map2, int interpolation, int borderMode, Scalar borderValue)

参数：

src: 源图像
dst: 目标图像，与 src 相同大小
map_x: x方向的映射参数. 它相当于方法 h(i,j) 的第一个参数
map_y: y方向的映射参数. 注意 map_y 和 map_x 与 src 的大小一致。
CV_INTER_LINEAR: 非整数像素坐标插值标志. 这里给出的是默认值(双线性插值).
BORDER_CONSTANT: 默认

代码：

 if(rgbMat==null|dstMat==null){
        rgbMat=new Mat();
        dstMat=new Mat();
    }
    Utils.bitmapToMat(mBitmap,rgbMat);
    Mat src_x=new Mat(rgbMat.size(),CvType.CV_32FC1);
    Mat src_y=new Mat(rgbMat.size(),CvType.CV_32FC1);
    for(int j=1;j<rgbMat.rows();j++){
        for (int i=1;i<rgbMat.cols();i++){
            double[] x=rgbMat.get(j,rgbMat.cols()-i);
            double[] y=rgbMat.get(rgbMat.rows()-j,i);
            double[] s=rgbMat.get(rgbMat.rows()-j,rgbMat.cols()-i);
            double[] o=rgbMat.get(j,i);
            src_x.put(j,i,s);
        }
    }
    Imgproc.remap(rgbMat,dstMat,src_x,src_y,Imgproc.INTER_LINEAR,Core.BORDER_CONSTANT,new Scalar(0,0,0));
    Utils.matToBitmap(dstMat,dstBitmap);
    dstImage.setImageBitmap(dstBitmap);

效果图：

参照opencv教程中代码，经过自己的理解和改写之后在opencv4android中实现效果就这样，能够看出来确实像素点的位置对调了，但是像素值却发生了改变，不清楚为什么会发生这种情况，个人猜测是因为src_y和src_x的原因，我也尝试了不用的位置偏差，和混合方式，结果都不行，像素值在转换过来之后都发生了改变。至此无果。

结束语

opencv4android到现在已经写了4篇了，从环境搭建道基本使用，说实话我都不知道这个东西是干嘛的，就只是朋友要就学了一点，之后自己感兴趣就多学了一些，不过到这里也就结束了，这一篇是暂时的完结，也不知道以后会不会写，因为这个东西对于现在的我来说实在是费劲，从图像的知识到C再到opencv，心力交瘁，有时候一个很简单的东西都会卡很久，兴趣也变成无趣了，为自己之前的狂妄自大说个对不起，就到这里了，写不下去。