OpenCV极坐标变换函数warpPolar的使用

学更好的别人,

做更好的自己。

——《微卡智享》

OpenCV极坐标变换函数warpPolar的使用_第1张图片

本文长度为1702,预计阅读4分钟

前言

前阵子在做方案时,得了几张骨钉的图片,骨科耗材批号效期管理一直是比较麻烦的,贴RFID标签成本太高,所以一般考虑还是OCR的识别比较好,因为本身骨钉的字符是按圆印上去的,直接截取图片进行OCR没法识别,需要经过图像处理后再识别,所以这篇就是学习一下OpenCV的极坐标变换函数。

0a9b50b8a43bc304eb3b983fe49b1e9b.png

实现效果

OpenCV极坐标变换函数warpPolar的使用_第2张图片

源图像

OpenCV极坐标变换函数warpPolar的使用_第3张图片查找出骨钉后用极坐标变换生成的图像

图像本来就是手机拍的,反光也比较厉害,所以本篇主要就是介绍极坐标变换,最后的OCR识别就不在这个范围内了。

极坐标变换函数 

void cv::warpPolar(InputArray   src, —原图像,单通道灰度图和三通道彩色图都可
                   OutputArray dst,  —输出图像,与原图像具有相同的数据类型和通道数
                   Size   dsize, —目标图像大小,如图不填这个值或dsize两个值中的某个值
                   Point2f  center, —极坐标变换时原点坐标
                   double   maxRadius, —极坐标系的极半径最大值
                   int   flags ) —插值方法与极坐标映射方法标志。方法之间通过“+”或者“|”号进行连接

重点说明:

dsize:目标图像大小,Size(0,0)主要就是填写里面的width和height

  1. 当width和height两个值均<=0(默认),则目标图像将具有(几乎)相同的源边界圆面积

  2. 当width>0并且height <= 0,目标图像区域将与边界圆区域按比例缩放

  3. 当width和height都 > 0, 目标图像将具有给定的大小,因此边界圆的面积将缩放为dsize


flags:插值方法与极坐标映射方法标志

插值方法:图像缩放之后,肯定像素要进行重新计算的,就靠这个参数来指定重新计算像素的方式,一般分为:

  •       INTER_NEAREST - 最邻近插值

  •       INTER_LINEAR - 双线性插值,如果最后一个参数你不指定,默认使用这种方法

  •       INTER_AREA -区域插值

  •       INTER_CUBIC - 4x4像素邻域内的双立方插值

  •       INTER_LANCZOS4 - 8x8像素邻域内的Lanczos插值

这个我们一般都默认为INTER_LINEAR - 双线性插值即可。
 

极坐标映射方法里面就三个,主要是极坐标变换、半对数极坐标变换和逆变换。

  • WARP_POLAR_LINEAR - 极坐标变换

  • WARP_POLAR_LOG - 半对数极坐标变换

  • WARP_INVERSE_MAP - 逆变换

核心来说其实就是两个极坐标变换和半对数极坐标变换,它们两个都是由圆变换为矩形,而逆变换就是针对两种变换由矩形再转为圆。逆变换在原来的flags后面用“+”连接即可。


warpPolar的起始位置和图像旋转角度

OpenCV极坐标变换函数warpPolar的使用_第4张图片

极坐标变换的起始位置默认就是3点钟的方向,上图中用蓝色箭头指的就是开始的位置,从3点钟方向顺时针来进行变换。

生成的矩形默认是向下垂直排列的,按我们自己的习惯肯定还需要将图像进行旋转,所以转换完后需要用rotate做一个图像的旋转

代码如下:

//极坐标变换
//参数 flags=INTER_LINEAR 双线性插值
Mat warpPolarMat(Mat src, int flags = INTER_LINEAR + WARP_POLAR_LINEAR) {
  // 圆心坐标
  Point2f center = Point2f(src.cols / 2, src.rows / 2);
  // 圆的半径
  double maxRadius = min(center.y, center.x) - 1;
  // 圆的周长
  int circumference = maxRadius * 2 * 3.14;




  //输出图像
  Mat dst;
  // 极坐标变换, Size()表示OpenCV根据输入自行决定输出图像尺寸
  warpPolar(src, dst, Size(0, 0), center, maxRadius, flags);


  // 改变结果方向
  rotate(dst, dst, ROTATE_90_COUNTERCLOCKWISE);


  return dst;
}

cfb7caebbfacadf1c514bb6430512d1e.png

实现思路及完整代码

# 实现步骤
1 图像简单处理(灰度图、中值滤波)
2 霍夫圆检测获取到图像中的骨钉
3 将获取到的圆每个分别截取出来进行极坐标变换显示出来

完整代码

#include 
#include 


using namespace std;
using namespace cv;


//显示窗口设置  
//参数  img 显示的图像源,
//      winname 显示的窗口名称,
//      pointx  显示的坐标x
//      pointy  显示的坐标y
void setshowwindow(Mat img, string winname, int pointx, int pointy)
{
  //设置显示窗口
  namedWindow(winname, WindowFlags::WINDOW_NORMAL);
  //设置图像显示大小
  resizeWindow(winname, img.size());
  //设置图像显示位置
  moveWindow(winname, pointx, pointy);
}




//极坐标变换
//参数 flags=INTER_LINEAR 双线性插值
Mat warpPolarMat(Mat src, int flags = INTER_LINEAR + WARP_POLAR_LINEAR) {
  // 圆心坐标
  Point2f center = Point2f(src.cols / 2, src.rows / 2);
  // 圆的半径
  double maxRadius = min(center.y, center.x) - 1;
  // 圆的周长
  int circumference = maxRadius * 2 * 3.14;




  //输出图像
  Mat dst;
  // 极坐标变换, Size()表示OpenCV根据输入自行决定输出图像尺寸
  warpPolar(src, dst, Size(0, 0), center, maxRadius, flags);


  // 改变结果方向
  rotate(dst, dst, ROTATE_90_COUNTERCLOCKWISE);


  return dst;
}


int main(int argc, char** argv) {


  //测试图片文件  
  string testfile = "E:/DCIM/imagetest/06.png";


  //读取图片
  Mat src = imread(testfile);
  //修改图片大小
  setshowwindow(src, "src", 50, 200);
  imshow("src", src);
  //灰度图
  Mat gray;
  cvtColor(src, gray, COLOR_BGR2GRAY);


  //中值滤波
  medianBlur(gray, gray, 9);


  //霍夫圆检测
  vector circles;
  HoughCircles(gray, circles, HOUGH_GRADIENT, 1, 50, 100, 100);


  //绘制检测到的圆型
  for (size_t i = 0; i < circles.size(); ++i) {
    Vec3f item = circles[i];
    //绘制检测到的圆
    circle(src, Point(item[0], item[1]), item[2], Scalar(0, 0, 255));
    //根据圆点和半径生成矩形
    Rect rect = Rect(Point(item[0] - item[2], item[1] - item[2]), Point(item[0] + item[2], item[1] + item[2]));
    //截图到当前圆的图像
    Mat rectsrc = src(rect);


    //极坐标变换
    Mat rectdst, showmat;
    rectdst = warpPolarMat(rectsrc);


    //设置当前圆显示位置
    String title = "circle" + to_string(i);
    String title2 = "roi" + to_string(i);
    if ((i % 2) == 0) {
      setshowwindow(rectsrc, title, 50, rectsrc.rows * (i / 2) + 2);
      setshowwindow(rectdst, title2, 50 + rectsrc.cols + 2, rectsrc.rows * (i / 2) + 2);
    }
    else {
      setshowwindow(rectsrc, title, (rectsrc.rows + rectdst.rows) * 2 , rectsrc.rows * (i / 2) + (i % 2) + 2);
      setshowwindow(rectdst, title2, (rectsrc.rows + rectdst.rows) *2 + rectsrc.rows , rectsrc.rows * (i / 2) + (i % 2) + 2);
    }
    imshow(title, rectsrc);
    imshow(title2, rectdst);
  }






  waitKey();


  return 0;
}

1c6afad8802f633d58cadcdf05fc5e60.png

1fe847886a1330a8da0c8853da99c40e.png

往期精彩回顾

OpenCV极坐标变换函数warpPolar的使用_第5张图片

Android Aidl跨进程通讯(四)--接口回调,服务端向客户端发送数据

 

OpenCV极坐标变换函数warpPolar的使用_第6张图片

Android Aidl跨进程通讯(三)--进阶使用

 

OpenCV极坐标变换函数warpPolar的使用_第7张图片

Android Aidl跨进程通讯(二)--异常捕获处理

你可能感兴趣的:(opencv,人工智能,计算机视觉)