计算图像 MSER 的基础类是 cv::MSER,继承自 cv::Feature2D 类,cv::MSER 类的实例可以通过create 方法创建。我们在初始化时指定被检测区域的最小和最大尺寸,以便限制被检测特征的数量,调用方式如下:
cv::Ptr<cv::MSER> ptrMSER=
cv::MSER::create(5, // 局部检测时使用的增量值
200, // 允许的最小面积
20000); // 允许的最大面积
现在可以通过调用 detectRegions 方法来获得 MSER,指定输入图像和一个相关的输出数据结构,代码如下所示:
// 点集的容器
std::vector<std::vector<cv::Point> > points;
// 矩形的容器
std::vector<cv::Rect> rects;
// 检测 MSER 特征
ptrMSER->detectRegions(image, points, rects);
检测结果放在两个容器中。第一个是区域的容器,每个区域用组成它的像素点表示;第二个是矩形的容器,每个矩形包围一个区域。
为了呈现结果,创建一个空白图像,在图像上用不同的颜色显示检测到的区域(颜色是随机选择的)。用以下代码实现:
int main()
{
cv::Mat image = cv::imread("jzw.jpg", 1);
cv::Ptr<cv::MSER> ptrMSER =
cv::MSER::create(5, // 局部检测时使用的增量值
200, // 允许的最小面积
20000); // 允许的最大面积
std::vector<std::vector<cv::Point> > points;
std::vector<cv::Rect> rects;
ptrMSER->detectRegions(image, points, rects);
cv::Mat output(image.size(), CV_8UC3);
output = cv::Scalar(255, 255, 255);
cv::RNG rng;
// 针对每个检测到的特征区域,在彩色区域显示 MSER
// 反向排序,先显示较大的 MSER
for (std::vector<std::vector<cv::Point> >::reverse_iterator
it = points.rbegin();
it != points.rend(); ++it) {
// 生成随机颜色
cv::Vec3b c(rng.uniform(0, 254),
rng.uniform(0, 254), rng.uniform(0, 254));
// 针对 MSER 集合中的每个点
for (std::vector<cv::Point>::iterator itPts = it->begin();
itPts != it->end(); ++itPts) {
// 不重写 MSER 的像素
if (output.at<cv::Vec3b>(*itPts)[0] == 255) {
output.at<cv::Vec3b>(*itPts) = c;
}
}
}
cv::imshow("image", image);
cv::imshow("output", output);
waitKey(0);
}
最后结果为: