OpenNI2显示深度、彩色及融合图像

 在《Kinect开发教程二：OpenNI读取深度图像与彩色图像并显示》中，小斤介绍了OpenNI读取深度与彩色图像数据的方法，并且借助OpenCV进行显示。

      OpenNI2在接口上与OpenNI有了较大变化，具体更新可以查看《OpenNI Migration Guide》。从获取深度，彩色传感器的数据而言，小斤觉得调用更为直观，但对于Kinect，一大缺憾是不支持OpenNI2提供的深度与彩色图像配准的方法（体现在下文中的device.isImageRegistrationModeSupported()方法）。

      但使用Kinect的童鞋也不必沮丧，在OpenNI2.1 beta中，小斤看到了新增的convertDepthToColorCoordinates()方法可以做一些深度与彩色坐标数据的转化，它的效果应该是与device.setImageRegistrationMode( IMAGE_REGISTRATION_DEPTH_TO_COLOR )类似的，有兴趣的童鞋可以尝试一下。

      在显示方面，小斤还是使用OpenCV，这次是使用OpenCV的C++接口进行操作。

 /*************************
 OpenNI2 Deep, Color and Fusion Image
 Author: Xin Chen, 2013.2
 Blog: http://blog.csdn.net/chenxin_130
 *************************/

 #include <stdlib.h>
 #include <iostream>
 #include <string>
 #include "OpenNI.h"
 #include "opencv2/core/core.hpp"
 #include "opencv2/highgui/highgui.hpp"
 #include "opencv2/imgproc/imgproc.hpp"
 using namespace std;
 using namespace cv;
 using namespace openni;

 void CheckOpenNIError( Status result, string status )
 {
     if( result != STATUS_OK )
         cerr << status << " Error: " << OpenNI::getExtendedError() << endl;
 }

 int main( int argc, char** argv )
 {
     Status result = STATUS_OK;

     //OpenNI2 image
     VideoFrameRef oniDepthImg;
     VideoFrameRef oniColorImg;

     //OpenCV image
     cv::Mat cvDepthImg;
     cv::Mat cvBGRImg;
     cv::Mat cvFusionImg;

     cv::namedWindow("depth");
     cv::namedWindow("image");
     cv::namedWindow("fusion");
     char key=0;

     //【1】
     // initialize OpenNI2
     result = OpenNI::initialize();
     CheckOpenNIError( result, "initialize context" );

     // open device
     Device device;
     result = device.open( openni::ANY_DEVICE );

     //【2】
     // create depth stream
     VideoStream oniDepthStream;
     result = oniDepthStream.create( device, openni::SENSOR_DEPTH );

     //【3】
     // set depth video mode
     VideoMode modeDepth;
     modeDepth.setResolution( 640, 480 );
     modeDepth.setFps( 30 );
     modeDepth.setPixelFormat( PIXEL_FORMAT_DEPTH_1_MM );
     oniDepthStream.setVideoMode(modeDepth);
     // start depth stream
     result = oniDepthStream.start();

     // create color stream
     VideoStream oniColorStream;
     result = oniColorStream.create( device, openni::SENSOR_COLOR );
     // set color video mode
     VideoMode modeColor;
     modeColor.setResolution( 640, 480 );
     modeColor.setFps( 30 );
     modeColor.setPixelFormat( PIXEL_FORMAT_RGB888 );
     oniColorStream.setVideoMode( modeColor);

 //【4】
     // set depth and color imge registration mode
     if( device.isImageRegistrationModeSupported(IMAGE_REGISTRATION_DEPTH_TO_COLOR ) )
     {
         device.setImageRegistrationMode( IMAGE_REGISTRATION_DEPTH_TO_COLOR );
     }
     // start color stream
     result = oniColorStream.start();

     while( key!=27 )
     {
         // read frame
         if( oniColorStream.readFrame( &oniColorImg ) == STATUS_OK )
         {
             // convert data into OpenCV type
             cv::Mat cvRGBImg( oniColorImg.getHeight(), oniColorImg.getWidth(), CV_8UC3, (void*)oniColorImg.getData() );
             cv::cvtColor( cvRGBImg, cvBGRImg, CV_RGB2BGR );
             cv::imshow( "image", cvBGRImg );
         }

         if( oniDepthStream.readFrame( &oniDepthImg ) == STATUS_OK )
         {
             cv::Mat cvRawImg16U( oniDepthImg.getHeight(), oniDepthImg.getWidth(), CV_16UC1, (void*)oniDepthImg.getData() );
             cvRawImg16U.convertTo( cvDepthImg, CV_8U, 255.0/(oniDepthStream.getMaxPixelValue()));
             //【5】
             // convert depth image GRAY to BGR
             cv::cvtColor(cvDepthImg,cvFusionImg,CV_GRAY2BGR);
             cv::imshow( "depth", cvDepthImg );
         }
         //【6】
         cv::addWeighted(cvBGRImg,0.5,cvFusionImg,0.5,0,cvFusionImg);
         cv::imshow( "fusion", cvFusionImg );
         key = cv::waitKey(20);
     }

     //cv destroy
     cv::destroyWindow("depth");
     cv::destroyWindow("image");
     cv::destroyWindow("fusion");

     //OpenNI2 destroy
     oniDepthStream.destroy();
     oniColorStream.destroy();
     device.close();
     OpenNI::shutdown();

     return 0;
 }

      小斤由上到下解释一把：

      【1】使用OpenNI::initialize()方法进行初始化，对于错误处理，可以使用OpenNI::getExtendedError()方法。在这里，Device对象打开任意一个可用设备。

      【2】在OpenNI2中，可以通过创建VideoStream视频流对象来读取设备的深度图像和色彩图像数据。

      【3】对于VideoStream视频流对象，我们可以设备它的Mode，包括分辨率，FPS，像素格式等等。对于像素格式的类型，可以使用VideoStream的getSensorInfo()方法获得，目前Kinect只有PIXEL_FORMAT_DEPTH_1_MM可供选择。

      【4】如果设备支持深度与彩色图像配准的话，小斤在这里使用OpenNI2自带的接口进行配准。在while循环中，各个VideoStream对象通过readFrame()来读取对应的图像数据。

      【5】将OpenNI的图像数据转换为OpenCV可显示的图像格式。对于彩色图像，可以先将数据塞入OpenCV三通道(8位)RGB对象，再转换到BGR来显示。对于深度图像，先放入单通道（16位）对象（这是因为深度数据的值域较大），最近将深度值等比例缩小到[0,255]的值域中，作为灰度图显示。

      【6】最后的图像融合，由于addWeighted()方法需要两个输入图像是同一类型，所以小斤首先将深度灰度图（单通道），转化为BGR图像，这样就与彩色图像一致了。再通过该方法进行融合，小斤使用的比例是0.5，0.5，也就是融合图像的每个像素点的值，都是(深度图像该点的像素值*0.5)+ (彩色图像该点的像素值*0.5)。

----------------------------------

作者：小斤（陈忻）

新浪围脖：@小斤陈

本文属于原创文章，如需转载引用请注明原文作者和链接，谢谢。