【OpenCV】提取图片某一块

本文介绍了一种基于OpenCV的图像子图提取方法,通过鼠标交互绘制任意形状,并利用cvFloodFill()函数进行区域填充及分割,适用于内容基于图像检索的应用场景。
正在做一个基于内容的图像检索项目,客户要求可以让用户提取图片上的任意形状的子图作为输入。为了实现这个功能,花了不少精力,中间绕了不少圈子。现在问题总算解决了,把主要的思路记录一下,希望能帮到有同样需求的朋友。

      由于这个项目使用了第三方的开源图像库opencv,所以这个功能也是借助opencv来实现的。

      首先需要解决的是在图片中绘制曲线的问题,思路很简单,只需要响应鼠标事件通过描点、连线的方式就可以完成。在opencv中需要使用回调来响应鼠标事件,opencv中文站上有很好的示例,关键代码:

01 #include "cv.h"
02 #include "highgui.h"
03 #include
04     
05     
06     
07     
08     
09    <stdio.h>
10      
11      
12      
13      
14      
15      
16 #include
17      
18      
19      
20      
21      
22     <stdlib.h>
23       
24       
25       
26       
27       
28       
29  
30 IplImage* inpaint_mask = 0;
31 IplImage* img0 = 0, *img = 0, *inpainted = 0;
32 CvPoint prev_pt = {-1,-1};
33  
34 void on_mouse( int event, int x, int y, int flags, void* zhang)
35 {
36   if( !img )
37    return;
38   if( event == CV_EVENT_LBUTTONUP || !(flags & CV_EVENT_FLAG_LBUTTON) )
39     prev_pt = cvPoint(-1,-1);
40   else if( event == CV_EVENT_LBUTTONDOWN )
41     prev_pt = cvPoint(x,y);
42   else if( event == CV_EVENT_MOUSEMOVE && (flags & CV_EVENT_FLAG_LBUTTON) )
43   {
44     CvPoint pt = cvPoint(x,y);
45     if( prev_pt.x < 0 )
46     prev_pt = pt;
47     cvLine( inpaint_mask, prev_pt, pt, cvScalarAll(255), 5, 8, 0 );
48     cvLine( img, prev_pt, pt, cvScalarAll(255), 5, 8, 0 );
49     prev_pt = pt;
50     cvShowImage( "image", img );
51   }
52 }
53  
54 int main( int argc, char** argv )
55 {
56    char* filename = argc >= 2 ? argv[1] : (char*)"fruits.jpg";
57    if( (img0 = cvLoadImage(filename,-1)) == 0 )
58      return 0;
59    printf"Hot keys: \n"
60    cvNamedWindow( "image", 1 );
61    img = cvCloneImage( img0 );
62    inpainted = cvCloneImage( img0 );
63    inpaint_mask = cvCreateImage( cvGetSize(img), 8, 1 );
64    cvZero( inpaint_mask );
65    cvZero( inpainted );
66    cvShowImage( "image", img );
67    cvShowImage( "watershed transform", inpainted );
68    cvSetMouseCallback( "image", on_mouse, 0 );  
69 }
70      
71      
72      
73      
74      
75     </stdlib.h>
76     
77     
78     
79     
80     
81    </stdio.h>
效果如下:

             提取图片中任意形状的区域

         第二步,利用封闭曲线提取图形,时间和精力都主要浪费在这一块了,最开始的想法是通过扫描线的方法获取,但最终做出来的效果差强人意,连自己这关都过不了。最后几经转折,找到了这样一个函数cvFloodFill(),这个函数可根据边界填充图像连通域,正是我所需要的。关键代码:

01     if(event == CV_EVENT_RBUTTONUP)
02 {
03     cvFloodFill(maskImg,cvPoint(x,y),cvScalarAll(255));
04     cvSaveImage("maskImg.bmp",maskImg);
05     IplImage *segImage=cvCreateImage(cvGetSize(img),8,3);;
06     cvCopy(img,segImage,maskImg);
07     cvSaveImage("segImage.bmp",segImage);
08     cvCopy(segImage,proc->img);
09     cvReleaseImage(&segImage);
10     cvDestroyWindow("Key Image");
11 }

 

效果如下:

            提取图片中任意形状的区域

基于OpenCV提取HOG特征有多种方法,以下为详细介绍: ### 使用`skimage.feature.hog`库提取HOG特征 可使用OpenCV和`hog`库提取HOG特征,代码示例如下: ```python import cv2 import numpy as np from skimage.feature import hog def compute_hog(image): gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) features, hog_image = hog(gray, orientations=9, pixels_per_cell=(8, 8), cells_per_block=(2, 2), visualize=True, feature_vector=True) return features, hog_image image = cv2.imread('image.jpg') hog_features, hog_vis = compute_hog(image) cv2.imshow('HOG Features', hog_vis) cv2.waitKey(0) cv2.destroyAllWindows() ``` 此代码先将图像转换为灰度图,再使用`skimage.feature.hog`函数计算HOG特征和可视化图像,最后显示可视化的HOG特征图像 [^1]。 ### 使用`cv2.HOGDescriptor()`类提取HOG特征 在Python-OpenCV中,可使用`cv2.HOGDescriptor`类直接提取图片的HOG特征。定义`hog`对象的方法如下: ```python hog = cv2.HOGDescriptor(winSize, blockSize, blockStride, cellSize, nbins, derivAperture, winSigma, histogramNormType, L2HysThreshold, gammaCorrection, nlevels) ``` 其中,常用的是前面几个参数,后面的可使用默认值 [^2]。 ### 基于OpenCV+HOG特征提取+KNN分类算法提取HOG特征 在车牌识别程序中,可使用`HOGDescriptor`类提取HOG特征,示例代码如下: ```cpp // Hog特征提取类 HOGDescriptor *hog = new HOGDescriptor(Size(40, 32), Size(16, 16), Size(8, 8), Size(8, 8), 9); vector<float> tmp; // 提取HOG hog->compute(src, tmp, Size(1, 1), Size(0, 0)); ``` 此代码通过定义`HOGDescriptor`对象,并调用`compute`方法提取图像的HOG特征 [^3]。 ### 实现HOG特征提取的后续步骤 编程时可使用OpenCV实现HOG特征提取的后面几个步骤,如计算梯度方向直方图、重叠块直方图归一化和计算HOG特征向量,示例代码如下: ```python import math def normalized(cell_gradient_vector): hog_vector = [] for i in range(cell_gradient_vector.shape[0] - 1): for j in range(cell_gradient_vector.shape[1] - 1): block_vector = [] block_vector.extend(cell_gradient_vector[i][j]) block_vector.extend(cell_gradient_vector[i][j + 1]) block_vector.extend(cell_gradient_vector[i + 1][j]) block_vector.extend(cell_gradient_vector[i + 1][j + 1]) mag = lambda vector: math.sqrt(sum(i ** 2 for i in vector)) magnitude = mag(block_vector) if magnitude != 0: # 归一化 normalize = lambda block_vector, magnitude: [element / magnitude for element in block_vector] block_vector = normalize(block_vector, magnitude) hog_vector.append(block_vector) return hog_vector ``` 此代码定义了一个`normalized`函数,用于对细胞梯度向量进行归一化处理,以得到HOG特征向量 [^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值