寻找轮廓

最新推荐文章于 2023-09-11 10:53:42 发布

原创最新推荐文章于 2023-09-11 10:53:42 发布 · 720 阅读

0 ·

CC 4.0 BY-SA版权

OPENCV 专栏收录该内容

7 篇文章

订阅专栏

图像或视频分析时，物体检测通常要将其轮廓提取出来，以便后续的处理，在opencv中有一套组合拳比较固定，也是很常用的。包括轮廓的面积、最小包围、形状信息等都可以容易得到。opencv例程中有例子，这里主要是把过程重新清晰下，也是自己正在使用的处理方法。

大体步奏：1、图像灰度化。2、图像二值化处理。3、寻找轮廓

例：

IplImage *original;
original=cvLoadImage("Lena.bmp",1);
IplImage *gray;
gray=cvCreateImage(cvGetSize(original), 8, 1);
cvCvtColor(original,gray,CV_BGR2GRAY);
cvThreshold(gray,gray,CV_THRESH_OTSU);//这里以OTSU阈值化方法为例

CvMemStorage *storage;
storage=cvCreateMemStorage(0);
CvSeq *contour=0;
cvFindContour(gray,storage,&contour,sizeof(CvContour),CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,cvPoint(0,0));//这里是自己多使用的查找外边缘
//定义过滤条件
double Min_Area=20;
double Max_Area=100;
CvRect rect_tmp;
CvRect rect_bound;
int  area_tmp=0;

for(;contour!=0;contour=contour->h_next)
{
  double area=cvContourArea(contour);
  if((fabs(area)>Min_Area)&&(fabs(area<Max_Area))
  {
   rect_tmp=cvBoundingRect(contour);
      //这里只是加强限制
     if((rect_tmp.x>ROI.x)&&(rect_tmp.y<ROI.y))
      {
         if((rect_tmp.width<ROI.width)&&(rect_tmp.height<ROI.height))
         {
            if(area_tmp<area)
            {
              area_tmp=area;
              rect_bound=rect_tmp;
            }
         }
      }

   }
}
cvRectangle(original,cvPoint(rect_bound.x,rect_bound.y),cvPoint(rect_bound.x+rect_bound.width,rect_bound.y+rect_bound.hight),CV_RGB(255,0,0),1);
cvReleaseMemStorage(&storage);

整个过程是比较清晰的，借助opencv的现有函数，实现起来还是很方便的，并可以根据自己的实际应用来进行自由扩展。