ubuntu22.04@laptop OpenCV Get Started: 013_contour_detection

最新推荐文章于 2024-11-22 15:16:31 发布

lida2003

最新推荐文章于 2024-11-22 15:16:31 发布

阅读量1.3k

点赞数 15

CC 4.0 BY-SA版权

分类专栏： Linux 文章标签： opencv 人工智能计算机视觉

本文链接：https://blog.youkuaiyun.com/lida2003/article/details/136139712

1. 源由

使用轮廓检测检测物体的边界，通常是许多有趣应用的第一步，如图像前景提取、简单的图像分割、检测和识别。

罗列一些使用轮廓进行运动检测或分割应用：

运动检测：在监控视频中，运动检测技术有许多应用，包括室内和室外安全环境、交通控制、体育活动中的行为检测、无人看管物体的检测，甚至视频压缩。在下图中，可以看到检测视频流中的人员移动在监控应用程序中是如何有用的。请注意，未检测到静止在图像左侧的那组人。只有运动中的人才会被捕捉到。请参考《Moving Object Detection and Segmentation using Frame differencing and Summing Technique》详细研究这种方法。

在这里插入图片描述

无人值守物体检测：公共场所的无人值守物体通常被视为可疑物体。一个有效且安全的解决方案详见：《Unattended Object Detection through Contour Formation using Background Subtraction》。

在这里插入图片描述

背景/前景分割：要用另一个图像替换图像的背景，需要执行图像前景提取（类似于图像分割）。使用轮廓是可以用于执行分割的一种方法。有关更多详细信息，请参阅《Background Removal with Python Using OpenCV to Detect the Foreground》。

在这里插入图片描述

2. 应用Demo

013_contour_detection是OpenCV通过鼠标指针和轨迹条与用户交互的示例。

2.1 C++应用Demo

C++应用Demo工程结构：

013_contour_detection/CPP$ tree .                                              .
├── channel_experiments
│   ├── channel_experiments.cpp
│   └── CMakeLists.txt
├── contour_approximations
│   ├── CMakeLists.txt
│   └── contour_approx.cpp
└── contour_extraction
    ├── CMakeLists.txt
    └── contour_extraction.cpp

3 directories, 6 files

确认OpenCV安装路径：

$ find /home/daniel/ -name "OpenCVConfig.cmake"
/home/daniel/OpenCV/installation/opencv-4.9.0/lib/cmake/opencv4/
/home/daniel/OpenCV/opencv/build/OpenCVConfig.cmake
/home/daniel/OpenCV/opencv/build/unix-install/OpenCVConfig.cmake


$ export OpenCV_DIR=/home/daniel/OpenCV/installation/opencv-4.9.0/lib/cmake/opencv4/

C++应用Demo工程编译执行：

$ mkdir build
$ cd build
$ cmake ..
$ cmake --build . --config Release
$ cd ..
$ ./build/channel_experiments

$ mkdir build
$ cd build
$ cmake ..
$ cmake --build . --config Release
$ cd ..
$ ./build/contour_approximations

$ mkdir build
$ cd build
$ cmake ..
$ cmake --build . --config Release
$ cd ..
$ ./build/contour_extraction

2.2 Python应用Demo

Python应用Demo工程结构：

013_contour_detection/Python$ tree .
.
├── channel_experiments
│   └── channel_experiments.py
├── contour_approximations
│   └── contour_approx.py
├── contour_extraction
│   └── contour_extraction.py
└── requirements.txt

3 directories, 4 files

Python应用Demo工程执行：

$ workoncv-4.9.0
$ python channel_experiments.py
$ python contour_approx.py
$ python contour_extraction.py

3. contour_approx应用

在OpenCV中检测和绘制轮廓的步骤如下所示：

读取图像并将其转换为灰度格式
应用二进制阈值过滤算法
查找对象轮廓
绘制对象轮廓

查找轮廓可以采用两种方式：

CHAIN_APPROX_SIMPLE
CHAIN_APPROX_NONE

3.1 读取图像并将其转换为灰度格式

读取图像并将图像转换为灰度格式。将图像转换为灰度非常重要，因为它为下一步的图像做准备。

将图像转换为单通道灰度图像对于阈值处理很重要，这反过来又是轮廓检测算法正常工作所必需的。

C++:

    // read the image
    Mat image = imread("../../input/image_1.jpg");
    // convert the image to grayscale format
    Mat img_gray;
    cvtColor(image, img_gray, COLOR_BGR2GRAY);

Python:<