树莓派系列四：openCV之计算目标的偏移角度

前言

上一篇为文中和大家分享如何检测图像中的圆，本篇继续和大家分享项目中的其他内容，项目的目标是坚持检测物体中的一个晶体，并计算它的偏移角度。

思路

1. 检测图像中的圆形，并把圆形的区域裁剪下来，这样就可以排除一些干扰，这一步前面一篇文章已经分享。
   
2. 对裁剪得到的图进行二值化处理。
3. 寻找最大的目标块，找到目标块的中心点，根据该点和圆心的点计算角度。

知识点

• 二值化
  图像的二值化就是将图像上的像素点的灰度值设置为0或255，这样将使整个图像呈现出明显的黑白效果。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。OpenCV中提供了函数cv::threshold();
  函数原型：

  double cv::threshold(InputArray src,
                       OutputArray dst,
                       double thresh,
                       double maxval,
                       int type)

参数说明
src：源图像，可以为8位的灰度图，也可以为32位的彩色图像。（两者由区别）
dst：输出图像
thresh：阈值
maxval：dst图像中最大值
type：阈值类型，可以具体类型如下：

生成关系如下表：

• 连通域分析
  函数原型：

int  cv::connectedComponents (
    cv::InputArrayn image,                // //8位单通道二值图像 (binary)
    cv::OutputArray labels,               // output label map //和原图一样大的标记图
    int             connectivity = 8,     // 4- or 8-connected components
    int             ltype        = CV_32S // Output label type (CV_32S or CV_16U)
    );

int  cv::connectedComponentsWithStats (
    cv::InputArrayn image,                // input 8-bit single-channel (binary)
    cv::OutputArray labels,               // output label map
    cv::OutputArray stats,                // Nx5 matrix (CV_32S) of statistics:
                                          // [x0, y0, width0, height0, area0;//nccomps×5的矩阵 表示每个连通区域的外接矩形和面积（pixel）
                                          //  ... ; x(N-1), y(N-1), width(N-1), height(N-1), area(N-1)]
    cv::OutputArray centroids,          //nccomps×2的矩阵 表示每个连通区域的质心（pixel）Nx2 CV_64F matrix of centroids: [ cx0, cy0; ... ; cx(N-1), cy(N-1)]
    int             connectivity = 8,     // 4- or 8-connected components
    int             ltype        = CV_32S // Output label type (CV_32S or CV_16U)
    );

其中connectedComponents()仅仅创建了一个标记图（图中不同连通域使用不同的标记，和原图宽高一致），connectedComponentsWithStats()可以完成上面任务，除此之外，还可以返回每个连通区域的重要信息–bounding box, area, andcentroid

参数说明：
该函数有返回值，返回一个int整型 nccomps，函数返回值为连通区域的总数N，范围为[0,N-1]，其中0代表背景。
image：输入8位单通道二值图像；
label：输出，和原图image一样大的标记图，label对应于表示是当前像素是第几个轮廓，背景置0；
centroids：对应的是轮廓的中心点。nccomps×2的矩阵 表示每个连通区域的质心
stats：输出，nccomps×5的矩阵 ，表示每个连通区域的外接矩形和面积（pixel），例如下列：

最终效果：

部分代码

Mat cimg;
	medianBlur(src,src,5);
	
	cvtColor(src,cimg,COLOR_BGR2GRAY);
	GaussianBlur(cimg,cimg,Size(9,9),2,2);
	Canny(cimg,cimg,10,250,5);
	//imwrite("canny1.bmp",cimg);
	vector<Vec3f> circles;
	size_t i;
	for(i = 0; i < 5; i++)
	{
		circles.clear();
		HoughCircles(cimg,circles,HOUGH_GRADIENT,1,30,100,100-i*10,10,120);
		printf("circles.size()=%d\n",circles.size());
		if(circles.size() > 0)
		{
			break;
		}
	}
	
	int maxRadius = 0;
	int m = 0;
	for( i = 0; i < circles.size(); i++)
	{
		int radius = cvRound(circles[i][2]);
		if(maxRadius < radius)
		{
			maxRadius = radius;
			m = i;
		}
	}
	Point center(cvRound(circles[m][0]),cvRound(circles[m][1]));
	printf("maxRadius= %d\n",maxRadius);
	maxRadius = maxRadius-10;
	Mat srcMat=src(Rect(center.x-maxRadius,center.y-maxRadius,maxRadius*2,maxRadius*2));
	//imwrite("22.bmp",srcMat);
	
	Mat lableMat;
	Mat statsMat;
	Mat centerMat;
	Mat srcMat1;// = imread("D:\\opencv_picture_test\\轮廓\\die_on_chip.png", 1);		//读取灰度
	Mat dstMat;

	cvtColor(srcMat, srcMat1, COLOR_BGR2GRAY);
	//调用阈值函数
	threshold(srcMat1, dstMat, 150, 255,THRESH_BINARY);
	//imshow("bin", dstMat);
	//腐蚀操作
	//Mat element = getStructuringElement(MORPH_ELLIPSE, Size(9,9));		
	//morphologyEx(dstMat,dstMat, MORPH_ERODE, element);		
	int nComp = cv::connectedComponentsWithStats(dstMat,
		lableMat,
		statsMat,
		centerMat,
		8,
		CV_32S);

	int maxSize = 0;
	m = 1;
	for (int i = 1; i < nComp; i++)
	{
		if(maxSize < statsMat.at<int>(i, 4) && statsMat.at<int>(i, 2) < 60 && statsMat.at<int>(i, 3) < 60)
		{
			maxSize = statsMat.at<int>(i, 4);
			m = i;
		}
		
	}
	Rect bndbox;
	bndbox.x = statsMat.at<int>(m, 0);
	bndbox.y = statsMat.at<int>(m, 1);
	bndbox.width = statsMat.at<int>(m, 2);
	bndbox.height = statsMat.at<int>(m, 3);
	//if (fabs(bndbox.width * 1.0 / bndbox.height - 1) < 0.2 && statsMat.at(i, 4)>=20)
	rectangle(srcMat, bndbox, CV_RGB(0, 255, 255), 1, 8, 0);
	line(srcMat, Point(srcMat.cols/2, srcMat.rows/2), Point(bndbox.x+bndbox.width/2, bndbox.y+bndbox.height/2), Scalar(0, 0, 255), 1);

THE END

扫描上方二维码关注“嵌入式案例Show”公众号，看更多嵌入式案例