基础学习笔记之opencv(22):learning OpenCV书中一个连通域处理函数

 

  

  前言

  在图像处理过程中,经常会遇到这样一部分图像,图像的整体部分如果人来看的话一眼就能看出,但是它的内部由于有各种小缺口,导致断开了,这样在计算机“眼”里就被认为是断开的,为了使图像达到适应人眼的感觉,需要将这些缺口和断开的口给连接上去,这就需要用到计算机图形学中的连通域处理技术。本文给出一个简单的连通域处理函数,当然这个函数是来自OpenCV著名教程Learning OpenCV中,只不过它的接口是基于c版本的OpenCV,而到目前为止,基于C++接口的OpenCV已经是主流,所以我将其接口改成了c++版的,但是其内部一些代码基本没有动它。

  开发环境:OpenCV2.4.3+QtCreator2.5.1

 

  实验基础

  首先来看这个连通域处理函数的形式:

  void ConnectedComponents(Mat &mask_process,  int poly1_hull0,  float perimScale,  int number = 0,  Rect &bounding_box = Rect(),  Point &contour_centers = Point(-1, -1));

  参数mask表示的是需要进行连通域处理二值图像。

  参数poly1_hull0表示轮廓边缘是否采用多边形拟合,如果该参数为1,则表示采用多边形拟合,否则采用凸包拟合。

  参数perimScale是用来将那些小的轮廓去掉,那些小的轮廓时指它的周长小于(mask长+宽)/perimScale。当然你在其内部代码也可以该为面积来判断。

  参数num表示实际需要处理最多的轮廓的个数(如果输入的mask有多个轮廓的话),这里的处理是指计算出这些轮廓的外接矩形和中心点。默认值为0,表示函数内部不需要处理这些外接矩形和中心点。

  参数bbs表示的是处理完后对应轮廓的外接矩形,默认值为Rect(),表示不需要返回这些外接矩形。

  参数centers表示处理完后对应轮廓的中心点坐标,默认值为Point(-1, -1),表示不需要返回这些中心点。

 

  C/C++知识点总结:

  如果一些函数需要默认值的话,可以直接在函数定义的时候指定,该指定并不一定是具体的某个值,也可以是空值等等。另外在函数内部实现时,有时候要注意默认值的特殊性。

 

  实验结果

  所需处理原始图像的灰度图:

  基础学习笔记之opencv(22):learning OpenCV书中一个连通域处理函数

 

  其对应的mask图像:

  基础学习笔记之opencv(22):learning OpenCV书中一个连通域处理函数

 

  使用多项式拟合的连通域处理后图像:

  基础学习笔记之opencv(22):learning OpenCV书中一个连通域处理函数

 

  使用凸包集拟合的连通域处理后的图像:

  基础学习笔记之opencv(22):learning OpenCV书中一个连通域处理函数

 

  实验代码及注释(附录有工程code下载地址):

  main.cpp:

  

#include <iostream>

#include <opencv.hpp>





using namespace cv;

using namespace std;



//Just some convienience macros

#define CV_CVX_WHITE    CV_RGB(0xff,0xff,0xff)

#define CV_CVX_BLACK    CV_RGB(0x00,0x00,0x00)





void ConnectedComponents(Mat &mask_process, int poly1_hull0, float perimScale, int number = 0,

                         Rect &bounding_box = Rect(), Point &contour_centers = Point(-1, -1))

{

    /*下面4句代码是为了兼容原函数接口,即内部使用的是c风格,但是其接口是c++风格的*/

    IplImage *mask = &mask_process.operator IplImage();

    int *num = &number;

    CvRect *bbs = &bounding_box.operator CvRect();

    CvPoint *centers = &contour_centers.operator CvPoint();

    static CvMemStorage*    mem_storage    = NULL;

    static CvSeq*            contours    = NULL;

    //CLEAN UP RAW MASK

        //开运算作用:平滑轮廓,去掉细节,断开缺口

        cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_OPEN, 1 );//对输入mask进行开操作,CVCLOSE_ITR为开操作的次数,输出为mask图像

        //闭运算作用:平滑轮廓,连接缺口

        cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_CLOSE, 1 );//对输入mask进行闭操作,CVCLOSE_ITR为闭操作的次数,输出为mask图像

    //FIND CONTOURS AROUND ONLY BIGGER REGIONS

        if( mem_storage==NULL ) mem_storage = cvCreateMemStorage(0);

            else cvClearMemStorage(mem_storage);

        //CV_RETR_EXTERNAL=0是在types_c.h中定义的,CV_CHAIN_APPROX_SIMPLE=2也是在该文件中定义的

        CvContourScanner scanner = cvStartFindContours(mask,mem_storage,sizeof(CvContour),CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE);

        CvSeq* c;

        int numCont = 0;

        //该while内部只针对比较大的轮廓曲线进行替换处理

        while( (c = cvFindNextContour( scanner )) != NULL )

        {

            double len = cvContourPerimeter( c );

            double q = (mask->height + mask->width) /perimScale;   //calculate perimeter len threshold

            if( len < q ) //Get rid of blob if it's perimeter is too small

            {

                cvSubstituteContour( scanner, NULL );    //用NULL代替原来的那个轮廓

            }

            else //Smooth it's edges if it's large enough

            {

                CvSeq* c_new;

                if(poly1_hull0) //Polygonal approximation of the segmentation

                    c_new = cvApproxPoly(c,sizeof(CvContour),mem_storage,CV_POLY_APPROX_DP, 2,0);

                else //Convex Hull of the segmentation

                    c_new = cvConvexHull2(c,mem_storage,CV_CLOCKWISE,1);

                cvSubstituteContour( scanner, c_new ); //最开始的轮廓用凸包或者多项式拟合曲线替换

                numCont++;

            }

        }

        contours = cvEndFindContours( &scanner );    //结束轮廓查找操作

    // PAINT THE FOUND REGIONS BACK INTO THE IMAGE

        cvZero( mask );

        IplImage *maskTemp;

        //CALC CENTER OF MASS AND OR BOUNDING RECTANGLES

        if(*num != 0)

        {

            int N = *num, numFilled = 0, i=0;

            CvMoments moments;

            double M00, M01, M10;

            maskTemp = cvCloneImage(mask);

            for(i=0, c=contours; c != NULL; c = c->h_next,i++ )        //h_next为轮廓序列中的下一个轮廓

            {

                if(i < N) //Only process up to *num of them

                {

                    //CV_CVX_WHITE在本程序中是白色的意思

                    cvDrawContours(maskTemp,c,CV_CVX_WHITE, CV_CVX_WHITE,-1,CV_FILLED,8);

                    //Find the center of each contour

                    if(centers != &cvPoint(-1, -1))

                    {

                        cvMoments(maskTemp,&moments,1);    //计算mask图像的最高达3阶的矩

                        M00 = cvGetSpatialMoment(&moments,0,0); //提取x的0次和y的0次矩

                        M10 = cvGetSpatialMoment(&moments,1,0); //提取x的1次和y的0次矩

                        M01 = cvGetSpatialMoment(&moments,0,1); //提取x的0次和y的1次矩

                        centers[i].x = (int)(M10/M00);    //利用矩的结果求出轮廓的中心点坐标

                        centers[i].y = (int)(M01/M00);

                    }

                    //Bounding rectangles around blobs

                    if(bbs != &CvRect())

                    {

                        bbs[i] = cvBoundingRect(c); //算出轮廓c的外接矩形

                    }

                    cvZero(maskTemp);

                    numFilled++;

                }

                //Draw filled contours into mask

                cvDrawContours(mask,c,CV_CVX_WHITE,CV_CVX_WHITE,-1,CV_FILLED,8); //draw to central mask

            } //end looping over contours

            *num = numFilled;

            cvReleaseImage( &maskTemp);

        }

        //ELSE JUST DRAW PROCESSED CONTOURS INTO THE MASK

        else

        {

            for( c=contours; c != NULL; c = c->h_next )

            {

                cvDrawContours(mask,c,CV_CVX_WHITE, CV_CVX_BLACK,-1,CV_FILLED,8);

            }

        }

}



int main()

{

    Mat src, mask;

    src = imread("test.png", 0);    //以灰度图像读入

    imshow("src", src);



    mask = src > 0;     //转换为二值图像

    imshow("mask", mask);



    ConnectedComponents(mask, 1, 8.0, 1, Rect(), Point(-1, -1));    //采用多边形拟合处理

    imshow("out1", mask);



    ConnectedComponents(mask, 0, 8.0, 1, Rect(), Point(-1, -1));    //c采用凸包进行处理

    imshow("out2", mask);

    waitKey(0);



    return 0;

}

 

  实验总结: 通过该连通域处理,能够达到一定效果。

 

  参考资料:

  Bradski, G. and A. Kaehler (2008). Learning OpenCV: Computer vision with the OpenCV library, O'Reilly Media.

 

  附录:实验工程code下载地址

 

 

 

 

你可能感兴趣的:(opencv)