若该文为原创文章,未经允许不得转载
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/105943604
各位读者,知识无穷而人力有穷,要么改需求,要么找专业人士,要么自己研究
红胖子(红模仿)的博文大全:开发技术集合(包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等)持续更新中...(点击传送门)
OpenCV开发专栏(点击传送门)
上一篇:《OpenCV开发笔记(四十九):红胖子8分钟带你深入了解轮廓识别(图文并茂+浅显易懂+程序源码)》
下一篇:《OpenCV开发笔记(五十一):红胖子8分钟带你深入了解透视变换(图文并茂+浅显易懂+程序源码)》
前言
红胖子来也!!!
轮过提取完后,可以寻找物体轮廓的凸包,这样可以把凸包区域提取出来,作为特征点提取识别的依据,这是一种场景,还有更多的场景,凸包提取出来后做凸包缺陷分析,那么就可以识别物体种类等等,不同的物体一般都具有不同的凸包缺陷。
Demo
.
轮廓凸包
概述
凸包(convex Hull)是能最小包围给定二维平面上的点集合的凸多边形,将二维平面上的点当作钉子,然后使用橡皮筋将所有的钉子包括进去,最后得出的就是凸包。
如下图手势:
寻找凸包函数原型
void convexHull( InputArray points,
OutputArray hull,
bool clockwise = false,
bool returnPoints = true );
- 参数一:InpuArray类型的points,std::vector<cv::Point>即可,输入二维点;
- 参数二:OutputArray类型的hull,外壳输出凸面外壳。它可以是索引的整数向量,也可以是点的向量。在第一种情况,外壳元素是原始外壳点凸的基于0的索引数组(因为凸壳点集是原始点集的子集)std::vector<int>。在第二个外壳元素是凸面外壳点本身,std::vector<cv::Point>。
- 参数三:bool类型的clockwise,默认值为false,逆时针方向。顺时针方向标志。如果为真,则输出凸包将顺时针方向。否则,它是逆时针方向的。假定坐标系有其X轴指向向右,Y轴向上。
- 参数四:boo类型的returnPoints,默认值为true,参数二返回点的集合。返回点操作标志。对于矩阵,当标志为真时,函数返回凸面外壳点。否则,返回凸壳点的索引。当输出数组是std::vector,标志被忽略,输出取决于returnPoints,false返回std::vector<int>,true时返回std::vector<Point>。
轮廓凸包缺陷
概述
对于凸包后的物体,有凹陷进去的情况,任何2点外围边界凹进去的都认为是一个凸缺陷。
凸包缺陷,就是凸包里面凹陷最深的点到当前缺钱外围最短的距离(做处置线)
对之前的轮廓手掌做凸包检测,如下图(纯目测收工,可能有点不准确,以Demo效果为准):
当知道识别物体是手掌,通过凸包缺陷,最简单的,我们通过手掌正面反面的缺陷,可以识别出手掌的手势了(当然较简单的)。
寻找凸包缺陷函数原型
void convexityDefects( InputArray contour,
InputArray convexhull,
OutputArray convexityDefects );
- 参数一:InpuArray类型的contour,轮廓输入;
- 参数二:InputArray类型的hull,外壳输出凸面外壳;
- 参数三:OutputArray类型的convexityDefects,凸性缺陷的输出向量。数组向量:开始索引、结束索引、最远点索引、固定深度,其中索引是基于0的索引在凸性缺陷的起始、结束和最远点的原始轮廓中,以及fixpt_depth是最远的像素点距离。
Demo源码
void OpenCVManager::testConvexHull()
{
QString fileName1 =
"E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/22.jpg";
cv::Mat srcMat = cv::imread(fileName1.toStdString());
cv::Mat dstMat;
int width = 300;
int height = 200;
cv::resize(srcMat, srcMat, cv::Size(width, height));
cv::String windowName = _windowTitle.toStdString();
cvui::init(windowName);
cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 3,
srcMat.rows * 3),
srcMat.type());
int sigmaS = 100;
int sigmaR = 1.0;
int thresh = 215;
int maxval = 255;
while(true)
{
// 刷新全图黑色
windowMat = cv::Scalar(0, 0, 0);
// 原图复制
cv::Mat mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::addWeighted(mat, 0.0f, srcMat, 1.0f, 0.0f, mat);
cv::Mat tempMat;
{
{
cvui::printf(windowMat, 75 + width * 1, 40 + height * 0, "sigmaS");
cvui::trackbar(windowMat, 75 + width * 1, 50 + height * 0, 165, &sigmaS, 101, 10000);
cvui::printf(windowMat, 75 + width * 1, 90 + height * 0, "sigmaR");
cvui::trackbar(windowMat, 75 + width * 1, 100, 165 + height * 0, &sigmaR, 1, 100);
// 使用自适应流形应用高维滤波。
cv::Ptr<cv::ximgproc::AdaptiveManifoldFilter> pAdaptiveManifoldFilter
= cv::ximgproc::createAMFilter(sigmaS/100.0f, sigmaR/100.0f, true);
pAdaptiveManifoldFilter->filter(srcMat, tempMat);
// 效果图copy
mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::addWeighted(mat, 0.0f, tempMat, 1.0f, 0.0f, mat);
}
// 转为灰度图像
cv::cvtColor(tempMat, tempMat, cv::COLOR_BGR2GRAY);
{
// 调整阈值化的参数thresh
cvui::printf(windowMat, 75 + width * 1, 20 + height * 1, "thresh");
cvui::trackbar(windowMat, 75 + width * 1, 40 + height * 1, 165, &thresh, 0, 255);
// 调整阈值化的参数maxval
cvui::printf(windowMat, 75 + width * 1, 80 + height * 1, "maxval");
cvui::trackbar(windowMat, 75 + width * 1, 100 + height * 1, 165, &maxval, 0, 255);
// 阈值化,注意:此处使用了THRESH_BINARY_INV,白色是255,255,255所以反转阈值化
cv::threshold(tempMat, tempMat, thresh, maxval, cv::THRESH_BINARY_INV);
// 效果图copy
mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
// 转还图像
cv::Mat grayMat;
cv::cvtColor(tempMat, grayMat, cv::COLOR_GRAY2BGR);
cv::addWeighted(mat, 0.0f, grayMat, 1.0f, 0.0f, mat);
}
// 寻找轮廓
{
std::vector<std::vector<cv::Point>> contours;
std::vector<cv::Vec4i> hierarchy;
// 查找轮廓:RETR_EXTERNAL-最外层轮廓
cv::findContours(tempMat, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
// 遍历所有顶层轮廓,并绘制出来
dstMat = srcMat.clone();
cv::Mat emptyMat = srcMat.clone();
emptyMat = cv::Scalar(0,0,0);
// 轮廓contours[i]对应4个hierarchy元素hierarchy[i][0]~ hierarchy[i][3],
// hierarchy[i][0]表示后一个轮廓的索引编号
// hierarchy[i][1]前一个轮廓的索引编号
// hierarchy[i][2]父轮廓的索引编号
// hierarchy[i][3]内嵌轮廓的索引编号
for(int index = 0; index >=0; index = hierarchy[index][0])
{
if(hierarchy.size() <= 0)
{
break;
}
cv::Scalar color;
if(index < hierarchy.size() / 3)
{
color = cv::Scalar(250 / (hierarchy.size() / 3) * index, 125, 255);
}else if(index < hierarchy.size() / 3 * 2)
{
color = cv::Scalar(255, 250 / (hierarchy.size() / 3) * (index - hierarchy.size() / 3), 125);
}else
{
color = cv::Scalar(125, 255, 250 /
(hierarchy.size() / 3 == 0? 1 : hierarchy.size() / 3) * (index - hierarchy.size() / 3 * 2));
}
// 绘制轮廓里面的第几个
cv::drawContours(emptyMat, contours, index, color, CV_FILLED, 8, hierarchy);
// 寻找最大凸包
std::vector<cv::Point> hullPoints;
std::vector<int> hullIndex;
cv::convexHull(contours[index], hullPoints, false, true);
cv::convexHull(contours[index], hullIndex, false, false);
// 绘制点
for(int index2 = 1; index2 < hullPoints.size(); index2++)
{
cv::line(mat, hullPoints.at(index2 - 1), hullPoints.at(index2), cv::Scalar(0, 0, 255));
cv::line(dstMat, hullPoints.at(index2 - 1), hullPoints.at(index2), cv::Scalar(0, 0, 255));
if(index == hullPoints.size() - 1)
{
cv::line(dstMat, hullPoints.at(0), hullPoints.at(index2), cv::Scalar(0, 0, 255));
cv::line(dstMat, hullPoints.at(0), hullPoints.at(index2), cv::Scalar(0, 0, 255));
}
}
qDebug() << __FILE__ << __LINE__ << "index =" << index << "total =" << hierarchy.size();
if(hullPoints.size() > 0)
{
// 绘制缺陷的点,打印调试出缺陷的距离
std::vector<cv::Vec4i> detectVec4i;
qDebug() << __FILE__ << __LINE__ << contours.at(index).size() << hullPoints.size() << index;
cv::convexityDefects(contours[index], hullIndex, detectVec4i);
// 输出轮廓的缺陷点与值,画出最远距离的点
for(int index2 = 0; index2 < detectVec4i.size(); index2++)
{
QString str = QString("detect %1:").arg(index2);
str += QString("start point(%1,%2),").arg(contours[index][detectVec4i[index2][0]].x).arg(contours[index][detectVec4i[index2][0]].y);
str += QString("end point(%1,%2),").arg(contours[index][detectVec4i[index2][1]].x).arg(contours[index][detectVec4i[index2][1]].y);
str += QString("defect point(%1,%2),").arg(contours[index][detectVec4i[index2][2]].x).arg(contours[index][detectVec4i[index2][2]].y);
str += QString("distance: %1").arg(detectVec4i[index2][3]);
cvui::printf(windowMat, 0, index2 * 16, 0.5, 0xFF0000, str.toUtf8().constData());
// 绘制点
cv::circle(dstMat, contours[index][detectVec4i[index2][2]], 2.0, cv::Scalar(255, 0, 0), 2);
}
}
}
// 效果图copy
mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(srcMat.cols * 1, srcMat.cols * 2));
cv::addWeighted(mat, 0.0f, emptyMat, 1.0f, 0.0f, mat);
// 效果图copy
mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(srcMat.cols * 2, srcMat.cols * 3));
cv::addWeighted(mat, 0.0f, dstMat, 1.0f, 0.0f, mat);
}
}
// 更新
cvui::update();
// 显示
cv::imshow(windowName, windowMat);
// esc键退出
if(cv::waitKey(25) == 27)
{
break;
}
}
}
工程模板:对应版本号v1.45.0
对应版本号v1.45.0
入坑
入坑一:错误“Error: Assertion failed (hpoints > 0) in convexityDefects”
原因:
输入的hullPoints错误;
解决:
输入第一个参数,由输入点std::vector<cv::Point>改为索引整数,std::vector<int>(这个需要在寻找凸包里面第四个参数返回点改为false,即返回索引)。
上一篇:《OpenCV开发笔记(四十九):红胖子8分钟带你深入了解轮廓识别(图文并茂+浅显易懂+程序源码)》
下一篇:《OpenCV开发笔记(五十一):红胖子8分钟带你深入了解透视变换(图文并茂+浅显易懂+程序源码)》
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/105943604