利用opencv來識別圖片中的矩形。
其中遇到的問題主要是識別輪廓時矩形內部的形狀導致輪廓不閉合。
1. 對輸入灰度圖片進行高斯濾波
2. 做灰度直方圖，提取閾值，做二值化處理
3. 提取圖片輪廓
4. 識別圖片中的矩形
5. 提取圖片中的矩形
1.對輸入灰度圖片進行高斯濾波
cv::Mat src = cv::imread("F://t13.bmp",CV_BGR2GRAY); cv::Mat hsv; GaussianBlur(src,hsv,cv::Size(5,5),0,0);2.做灰度直方圖，提取閾值，做二值化處理
由于給定圖片，背景是黑色，矩形背景色為灰色，矩形中有些其他形狀為白色，可以參考為：
提取輪廓時，矩形外部輪廓并未閉合。因此，我們需要對整幅圖做灰度直方圖，找到閾值，進行二值化
處理。即令像素值（黑色）小于閾值的，設置為0（純黑色）；令像素值（灰色和白色）大于閾值的，設
置為255（白色）
// Quantize the gray scale to 30 levels int gbins = 16; int histSize[] = {gbins}; // gray scale varies from 0 to 256 float granges[] = {0,256}; const float* ranges[] = { granges }; cv::MatND hist; // we compute the histogram from the 0-th and 1-st channels int channels[] = {0}; //calculate hist calcHist( &hsv, 1, channels, cv::Mat(), // do not use mask hist, 1, histSize, ranges, true, // the histogram is uniform false ); //find the max value of hist double maxVal=0; minMaxLoc(hist, 0, &maxVal, 0, 0); int scale = 20; cv::Mat histImg; histImg.create(500,gbins*scale,CV_8UC3); //show gray scale of hist image for(int g=0;g<gbins;g++){ float binVal = hist.at<float>(g,0); int intensity = cvRound(binVal*255); rectangle( histImg, cv::Point(g*scale,0), cv::Point((g+1)*scale - 1,binVal/maxVal*400), CV_RGB(0,0,0), CV_FILLED ); } cv::imshow("histImg",histImg); //threshold processing cv::Mat hsvRe; threshold( hsv, hsvRe, 64, 255,cv::THRESH_BINARY); 3.提取圖片輪廓
為了識別圖片中的矩形，在識別之前還需要提取圖片的輪廓。在經過濾波、二值化處理后，輪廓提取后的效果比未提取前的效果要好很多。
4.識別矩形
識別矩形的條件為：圖片中識別的輪廓是一個凸邊形、有四個頂角、所有頂角的角度都為90度。
vector<Point> approx; for (size_t i = 0; i < contours.size(); i++) { approxPolyDP(Mat(contours[i]), approx, arcLength(Mat(contours[i]), true)*0.02, true); if (approx.size() == 4 && fabs(contourArea(Mat(approx))) > 1000 && isContourConvex(Mat(approx))) { double maxCosine = 0; for( int j = 2; j < 5; j++ ) { double cosine = fabs(angle(approx[j%4], approx[j-2], approx[j-1])); maxCosine = MAX(maxCosine, cosine); } if( maxCosine < 0.3 ) squares.push_back(approx); } } 以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持武林網。
新聞熱點
疑難解答
圖片精選
