RM装甲识别程序分析（一）
RM装甲识别程序分析
目录
- RM装甲识别程序分析
- 目录
- 代码预览
- 1 基于opencv249编写
- 2 基于opencv300编写
- 关于omph头文件
- 程序流程分析
- 相关数据结构
- 1 旋转矩形
- 相关函数
- 1 通道分离
- 2 膨胀腐蚀
- 3 提取轮廓
- 4 拟合旋转矩形
- 5 获取指定点的像素
1. 代码预览
1.1 基于opencv2.4.9编写
//来自网络并非原创
#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"
#include "omp.h"
#include "iostream"
using namespace cv;
using namespace std;
#define T_ANGLE_THRE 10
#define T_SIZE_THRE 5
void BrightAdjust(IplImage* src, IplImage* dst, //亮度调节函数
double dContrast, double dBright)
{
int nVal;
unsigned char* SrcData = (unsigned char*)src->imageData; //原图像数据区指针
unsigned char* DstData = (unsigned char*)dst->imageData; //目的图像数据区指针
int step = src->widthStep / sizeof(unsigned char) / 3; //一行有多少个像素
omp_set_num_threads(8);
#pragma omp parallel for
for (int nI = 0; nIheight; nI++)
{
for (int nJ = 0; nJ width; nJ++)
{
for (int nK = 0; nK < 3; nK++)
{
nVal = (int)(dContrast * SrcData[(nI*step + nJ) * 3 + nK] + dBright); //每个像素的每个通道的值都进行线性变换
if (nVal < 0)
nVal = 0;
if (nVal > 255)
nVal = 255;
DstData[(nI*step + nJ) * 3 + nK] = nVal;
}
}
}
}
void GetDiffImage(IplImage* src1, IplImage* src2, IplImage* dst, int nThre)
{
unsigned char* SrcData1 = (unsigned char*)src1->imageData;
unsigned char* SrcData2 = (unsigned char*)src2->imageData;
unsigned char* DstData = (unsigned char*)dst->imageData;
int step = src1->widthStep / sizeof(unsigned char);
omp_set_num_threads(8);
#pragma omp parallel for
for (int nI = 0; nIheight; nI++)
{
for (int nJ = 0; nJ width; nJ++)
{
if (SrcData1[nI*step + nJ] - SrcData2[nI*step + nJ]> nThre) //
{
DstData[nI*step + nJ] = 255;
}
else
{
DstData[nI*step + nJ] = 0;
}
}
}
}
vector 1.2 基于opencv3.0.0编写
//根据以上代码将其在opencv3.0.0中编写
#include "stdafx.h"
#include "opencv2/core.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/videoio.hpp"
#include "opencv2/imgproc.hpp"
#include "iostream"
#include "omp.h"
using namespace cv;
using namespace std;
#define T_ANGLE_THRE 10
#define T_SIZE_THRE 5
void brightAdjust(Mat src, Mat dst, double dContrast, double dBright); //亮度调节函数
void getDiffImage(Mat src1, Mat src2, Mat dst, int nThre); //二值化
vectorif (contour[i].size()> 10) //判断当前轮廓是否大于10个像素点
{
bFlag = true; //如果大于10个，则检测到目标区域
//拟合目标区域成为椭圆，返回一个旋转矩形（中心、角度、尺寸）
s = fitEllipse(contour[i]);
for (int nI = 0; nI < 5; nI++)
{
for (int nJ = 0; nJ < 5; nJ++) //遍历以旋转矩形中心点为中心的5*5的像素块
{
if (s.center.y - 2 + nJ > 0 && s.center.y - 2 + nJ < 480 && s.center.x - 2 + nI > 0 && s.center.x - 2 + nI < 640) //判断该像素是否在有效的位置
{
Vec3b v3b = frame0.at((int)(s.center.y - 2 + nJ), (int)(s.center.x - 2 + nI)); //获取遍历点点像素值
//判断中心点是否接近白色
if (v3b[0] < 200 || v3b[1] < 200 || v3b[2] < 200)
bFlag = false; //如果中心不是白色，则不是目标区域
}
}
}
if (bFlag)
{
vEllipse.push_back(s); //将发现的目标保存
}
}
}
//调用子程序，在输入的LED所在旋转矩形的vector中找出装甲的位置，并包装成旋转矩形，存入vector并返回
vRlt = armorDetect(vEllipse);
for (unsigned int nI = 0; nI < vRlt.size(); nI++) //在当前图像中标出装甲的位置
drawBox(vRlt[nI], frame0);
imshow("Raw", frame0);
if (waitKey(50) == 27)
{
break;
}
vEllipse.clear();
vRlt.clear();
vArmor.clear();
}
else
{
break;
}
}
cap0.release();
return 0;
}
void brightAdjust(Mat src, Mat dst, double dContrast, double dBright)
{
int nVal;
omp_set_num_threads(8);
#pragma omp parallel for
for (int nI = 0; nI(nI);
Vec3b* p2 = dst.ptr(nI);
for (int nJ = 0; nJ for (int nK = 0; nK < 3; nK++)
{
//每个像素的每个通道的值都进行线性变换
nVal = (int)(dContrast * p1[nJ][nK] + dBright);
if (nVal < 0)
nVal = 0;
if (nVal > 255)
nVal = 255;
p2[nJ][nK] = nVal;
}
}
}
}
void getDiffImage(Mat src1, Mat src2, Mat dst, int nThre)
{
omp_set_num_threads(8);
#pragma omp parallel for
for (int nI = 0; nI(nI);
uchar* pchar2 = src2.ptr(nI);
uchar* pchar3 = dst.ptr(nI);
for (int nJ = 0; nJ if (pchar1[nJ] - pchar2[nJ]> nThre) //
{
pchar3[nJ] = 255;
}
else
{
pchar3[nJ] = 0;
}
}
}
}
vector 2. 关于omp.h头文件
OpenMp提供了对并行算法的高层的抽象描述，程序员通过在源代码中加入专用的pragma来指明自己的意图，由此编译器可以自动将程序进行并行化，并在必要之处加入同步互斥以及通信。
要在Visual C++ 中使用OpenMP其实不难，只要将 Project 的Properties中C/C++里Language的OpenMP Support开启（参数为 /openmp），就可以让VC++2005 在编译时支持OpenMP 的语法了；而在编写使用OpenMP 的程序时，则需要先include OpenMP的头文件：omp.h。
在for循环前面添加如下代码，可实现并行计算。
omp_set_num_threads(NUM_THREADS); //NUM_THREADS为并行计算的线程数
#pragma omp parallel for3. 程序流程分析
首先检测出LED灯带的位置，检测的方法：图像二值化，提取轮廓，拟合成旋转矩形，判断旋转矩形的中心是否接近白色，若接近白色，则说明是LED等待所在位置，然后利用检测出的LED灯带的旋转矩形的是否是平行关系来检测装甲。
Created with Raphaël 2.1.0 Start 读取一帧图片 调用BrightAdjust函数进行亮度调节 调用cvSplit将图像BGR三个通道的数值分离 调用GetDiffImage将图像二值化 对二值化的图像膨胀，腐蚀 调用cvFindContours提取图像所有轮廓存放到序列中 遍历所有轮廓 调用cvFitEllipse2拟合轮廓为旋转矩形 旋转矩形中心5*5像素是否接近白色？ 是LED灯条所在区域，将该旋转矩形添加到vector *****************遍历结束？*************** 调用ArmorDetect，在输入的LED所在旋转矩形的vector中找出装甲的位置，并包装成旋转矩形，存入vector并返回 调用DrawBox，在当前图像中标记装甲位置 显示当前图像 End yes no yes no
一帧图像为例，说明其检测过程，
原图片
bo_test\robo_test\原图片.png)
亮度调整。每个通道的数值-120，小于零=0，大于255则=255，用于突出LED灯带所在区域
二值化。将上图RGB，三个通道分离，R值减去G值，若大于25，则在二值图像中为255，否则为0.
二值化后可以看到断断续续的LED灯区域的轮廓
膨胀之后（下图），将轮廓较为平滑，连通区域变得粗重。
腐蚀操作后见下图，先膨胀在经腐蚀相当于闭运算，有去除空洞，使得轮廓变得平滑的功能
提取轮廓后
遍历所有轮廓，找出满足条件（轮廓要大于10个像素点）的轮廓，拟合成旋转矩形，然后在判断该旋转矩形的中心 5×5 的像素块（要从二值化之前的图像看）是否接近白色，如何是则说明可能是装甲LED灯带所在区域，将其添加至一个向量vEllipse中，为下一步定位装甲做准备。下图展示了这些旋转矩形
下一步是检测装甲的位置，在以上旋转矩形中，两两判断，根据下载原则定位装甲：
- 两个矩形近似平行，即旋转矩形的角度之差接近 0o 或 180o
- 两个旋转矩形的宽和高应该相差不大。
然后求出装甲的宽度和高度，高度取LED旋转矩形height的平均值，宽度等于两个旋转矩形的中心距离。最后标出装甲位置
4. 相关数据结构
4.1 旋转矩形
//opencv2.4.x版本中的旋转矩形类
CvBox2D
Public Member Functions //成员函数
CvBox2D (CvPoint2D32f c=CvPoint2D32f(), CvSize2D32f s=CvSize2D32f(), float a=0)
CvBox2D (const cv::RotatedRect &rr)
operator cv::RotatedRect () const
Public Attributes //成员变量
float angle
CvPoint2D32f center
CvSize2D32f size
//opencv3.0以上版本中的旋转矩形类
RotatedRect
Public Member Functions //成员函数
RotatedRect () //无参数构造函数
RotatedRect (const Point2f ¢er, const Size2f &size, float angle)//构造函数
RotatedRect (const Point2f &point1, const Point2f &point2, const Point2f &point3)
Rect boundingRect () const//获取包围旋转矩形的最小的直立矩形
void points (Point2f pts[]) const//获取旋转矩形的四个定点坐标
Public Attributes //成员变量
float angle//旋转角度
Point2f center//中心坐标
Size2f size//尺寸5. 相关函数
5.1 通道分离
//
//opencv2.4.x版本中的通道分离函数
void cvSplit ( const CvArr * src,
CvArr * dst0,
CvArr * dst1,
CvArr * dst2,
CvArr * dst3
)
//opencv3.0以上版本中的通道分离函数
void cv::split ( const Mat & src,
Mat * mvbegin //输出的Mat数组
) 5.2 膨胀、腐蚀
//opencv2.4.x版本中的膨胀函数
void cvDilate ( const CvArr * src,
CvArr * dst,
IplConvKernel * element = NULL,
int iterations = 1
)
//opencv3.0以上版本中的膨胀函数
void cv::dilate ( InputArray src,
OutputArray dst,
InputArray kernel,//膨胀所用的结构元，默认为3*3的矩形
Point anchor = Point(-1,-1),//结构元的中心
int iterations = 1,//膨胀操作的次数
int borderType = BORDER_CONSTANT,
const Scalar & borderValue = morphologyDefaultBorderValue()
)
//opencv2.4.x版本中的腐蚀函数
void cvErode ( const CvArr * src,
CvArr * dst,
IplConvKernel * element = NULL,
int iterations = 1
)
//opencv3.0以上版本中的腐蚀函数
void cv::erode ( InputArray src,
OutputArray dst,
InputArray kernel,
Point anchor = Point(-1,-1),
int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar & borderValue = morphologyDefaultBorderValue()
) 5.3 提取轮廓
//opencv2.4.x版本中的提取轮廓函数
int cvFindContours ( CvArr * image,
CvMemStorage * storage,
CvSeq ** first_contour,
int header_size = sizeof(CvContour),
int mode = CV_RETR_LIST,
int method = CV_CHAIN_APPROX_SIMPLE,
CvPoint offset = cvPoint(0, 0)
)
//opencv3.0以上版本中的提取轮廓函数
void cv::findContours ( InputOutputArray image,
OutputArrayOfArrays contours,
OutputArray hierarchy,
int mode,
int method,
Point offset = Point()
)
//注意该函数会修改输入的二值化图像，必要时要做备份5.4 拟合旋转矩形
//opencv2.4.x版本中的拟合旋转矩形函数
CvBox2D cvFitEllipse2 ( const CvArr * points )
//opencv3.0以上版本中的拟合旋转矩形函数
RotatedRect cv::fitEllipse ( InputArray points )5.5 获取指定点的像素
//opencv2.4.x版本中的获取指定位置处像素的函数
CvScalar cvGet2D ( const CvArr * arr,
int idx0,
int idx1
)