传统视觉第二讲
学习任务
2023传统视觉第二讲–轮廓识别
传统视觉识别流程
对于输入的图片,使用各种图像处理手段,如颜色空间转换、二值化、形态学处理等得到一张只包含黑白两色的mask,再对mask进行轮廓提取,根据轮廓的长宽面积等特征筛选出目标轮廓。
转换成下面这样
findContours函数
轮廓提取使用findContours函数,其参数如下:
void cv::findContours ( InputArray image,
OutputArrayOfArrays contours,
OutputArray hierarchy,
int mode,
int method,
Point offset = Point()
)
void cv::findContours ( InputArray image,
OutputArrayOfArrays contours,
int mode,
int method,
Point offset = Point()
)
参数释义
第一个参数:image,单通道图像矩阵,可以是灰度图,但更常用的是二值图像,一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像;
第二个参数:contours,定义为“vector<vector> contours”,即为得到的一组轮廓,每个轮廓由点集vector表示;
第三个参数(可选):hierarchy,定义为“vector hierarchy”,用来表示轮廓的等级关系,暂时不作介绍;
第四个参数:int型的mode,定义轮廓的检索模式:
取值一:CV_RETR_EXTERNAL只检测最外围轮廓,包含在外围轮廓内的内围轮廓被忽略;
取值二:CV_RETR_LIST 检测所有的轮廓,包括内围、外围轮廓,但是检测到的轮廓不建立等级关系;
取值三:CV_RETR_CCOMP 检测所有的轮廓,但所有轮廓只建立两个等级关系,外围为顶层,若外围内的内围轮廓还包含了其他的轮廓信息,则内围内的所有轮廓均归属于顶层;
取值四:CV_RETR_TREE 检测所有轮廓,所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓,内层轮廓还可以继续包含内嵌轮廓。
第五个参数:int型的method,定义轮廓的近似方法:
取值一:CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内
取值二:CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息,把所有轮廓拐点处的点保存入contours向量内,拐点与拐点之间直线段上的信息点不予保留
其他取值不作介绍
第六个参数:Point偏移量,所有的轮廓信息相对于原始图像对应点的偏移量。
为便于观察,在提取轮廓后可使用drawContours方法绘制轮廓。
对轮廓的操作
凸包convexHull
最小外接矩形minAreaRect
最小外接圆minEnclosingCircle
最小外接椭圆fitEllipse
任务
下图为对包含装甲板的图像处理后得到的mask,对于该图,提取并筛选出装甲板两个灯柱的轮廓,并标出装甲板的中心。
这里由于本人代码水平并不高,于是参考了同组大佬的代码
原文链接:在这里
运行好以后图片为: