最近一个项目用到了图像识别，之前从未接触过OpenCV，经过各种找教程，终于是搞懂了一些。
整个具体流程大概是获取图像-->图像二值化，灰度图(cvtColor)-->图像降噪(GaussianBlur)->轮廓识别(cvFindContours)-->形状判断。
大多数教程很专业，各种参数分析看不懂，经过各种搜索终于是搞懂了。
识别圆
在识别圆方面，OpenCV有内置的方法：霍夫圆变化：
HoughCircles(edges, circles, CV_HOUGH_GRADIENT, 1.5, 10, 200, 100, 0, 0);
参数分析：
edges:灰度图像
circles:std::vector<Vec3f> circles;数组，用来存储圆的坐标信息
CV_HOUGH_GRADIENT：Hough 变换方式，目前只支持CV_HOUGH_GRADIENT, which is basically 21HT, described in [Yuen03].默认用这个
1.5：累加器图像的分辨率，1的时候是与获取到的图像相同，1.5就是1.5倍
10：圆与圆的最小距离，两个圆心距离如果在范围内则被认定为1个圆
200：100-200两个参数选就够了
100：默认100，数值越低识别圆越不精确（圆的数量识别变多可能有个弧线就被识别是圆）
最后两个参数分别是识别 圆的最小，最大的面积。
矩形识别
矩形识别并没有内置方法，需要自己手写。
最主要的方法是二值化。通过二值化来调节识别的强度。
cvThreshold(tgray, gray, 75, 250, CV_THRESH_BINARY);
参数分析：
src：原始数组(单通道 , 8-bit of 32-bit 浮点数)。
dst：输出数组，必须与 src 的类型一致，或者为 8-bit。
threshold：阈值
max_value：使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值。
threshold_type：阈值类型
threshold_type=CV_THRESH_BINARY:如果 src(x,y)>threshold ,dst(x,y) = max_value; 否则,dst（x,y）=0;
threshold_type=CV_THRESH_BINARY_INV:如果 src(x,y)>threshold,dst(x,y) = 0; 否则,dst(x,y) = max_value.
threshold_type=CV_THRESH_TRUNC:如果 src(x,y)>threshold，dst(x,y) = max_value; 否则dst(x,y) = src(x,y).
threshold_type=CV_THRESH_TOZERO:如果src(x,y)>threshold，dst(x,y) = src(x,y) ; 否则 dst(x,y) = 0。
threshold_type=CV_THRESH_TOZERO_INV:如果 src(x,y)>threshold，dst(x,y) = 0 ; 否则dst(x,y) = src(x,y).
效果图如下：
在矩形识别里面的二值化图：
圆识别：
源码：
#include <opencv2/opencv.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <WINSOCK2.H>#include<iostream>#include<thread>#include <winsock2.h>#include <stdio.h>#include<string>#include <windows.h>#pragma comment(lib,"ws2_32.lib")#include<vector> using namespace cv; ////////////////////////////////////////////////////////////////// //函数功能：用向量来做COSα=两向量之积/两向量模的乘积求两条线段夹角 //输入： 线段3个点坐标pt1,pt2,pt0,最后一个参数为公共点 //输出： 线段夹角，单位为角度 //////////////////////////////////////////////////////////////////double angle(CvPoint* pt1, CvPoint* pt2, CvPoint* pt0){ double dx1 = pt1->x - pt0->x; double dy1 = pt1->y - pt0->y; double dx2 = pt2->x - pt0->x; double dy2 = pt2->y - pt0->y; double angle_line = (dx1*dx2 + dy1 * dy2) / sqrt((dx1*dx1 + dy1 * dy1)*(dx2*dx2 + dy2 * dy2) + 1e-10);//余弦值 return acos(angle_line) * 180 / 3.141592653;}////////////////////////////////////////////////////////////////////函数功能：采用多边形检测，通过约束条件寻找矩形//输入： img 原图像// storage 存储// minarea，maxarea 检测矩形的最小/最大面积// minangle,maxangle 检测矩形边夹角范围，单位为角度//输出： 矩形序列//////////////////////////////////////////////////////////////////CvSeq* findSquares4(IplImage* img, CvMemStorage* storage, int minarea, int maxarea, int minangle, int maxangle, int(&temp)[30]){ CvSeq* contours;//边缘 int N = 6; //阈值分级 CvSize sz = cvSize(img->width & -2, img->height & -2); IplImage* timg = cvCloneImage(img);//拷贝一次img IplImage* gray = cvCreateImage(sz, 8, 1); //img灰度图 IplImage* pyr = cvCreateImage(cvSize(sz.width / 2, sz.height / 2), 8, 3); //金字塔滤波3通道图像中间变量 IplImage* tgray = cvCreateImage(sz, 8, 1); ; CvSeq* result; double s, t; int sk = 0; CvSeq* squares = cvCreateSeq(0, sizeof(CvSeq), sizeof(CvPoint), storage); cvSetImageROI(timg, cvRect(0, 0, sz.width, sz.height)); //金字塔滤波 cvPyrDown(timg, pyr, 7); cvPyrUp(pyr, timg, 7); //在3个通道中寻找矩形 for (int c = 0; c < 3; c++) //对3个通道分别进行处理 { cvSetImageCOI(timg, c + 1); cvCopy(timg, tgray, 0); //依次将BGR通道送入tgray for (int l = 0; l < N; l++) { //不同阈值下二值化 cvThreshold(tgray, gray, 75, 250, CV_THRESH_BINARY); cvShowImage("111", gray); cvFindContours(gray, storage, &contours, sizeof(CvContour), CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0)); while (contours) { //多边形逼近 result = cvApproxPoly(contours, sizeof(CvContour), storage, CV_POLY_APPROX_DP, cvContourPerimeter(contours)*0.02, 0); //如果是凸四边形并且面积在范围内 if (result->total == 4 && fabs(cvContourArea(result, CV_WHOLE_SEQ)) > minarea && fabs(cvContourArea(result, CV_WHOLE_SEQ)) < maxarea && cvCheckContourConvexity(result)) { s = 0; //判断每一条边 for (int i = 0; i < 5; i++) { if (i >= 2) { //角度 t = fabs(angle((CvPoint*)cvGetSeqElem(result, i), (CvPoint*)cvGetSeqElem(result, i - 2), (CvPoint*)cvGetSeqElem(result, i - 1))); s = s > t ? s : t; } } //这里的S为直角判定条件 单位为角度 if (s > minangle && s < maxangle) { for (int i = 0; i < 4; i++) cvSeqPush(squares, (CvPoint*)cvGetSeqElem(result, i)); CvRect rect = cvBoundingRect(contours, 1); // 获取矩形边界框 CvPoint p1; p1 = cvPoint(rect.x + rect.width / 2, rect.y + rect.height / 2); //矩形中心坐标 std::cout << "X:" << p1.x << "Y：" << p1.y << std::endl; } } contours = contours->h_next; } } std::cout << "圆的数量是"<<sk << std::endl; temp[26] = sk; sk = 0; } cvReleaseImage(&gray); cvReleaseImage(&pyr); cvReleaseImage(&tgray); cvReleaseImage(&timg); return squares;}////////////////////////////////////////////////////////////////////函数功能：画出所有矩形//输入： img 原图像// squares 矩形序列// wndname 窗口名称//输出： 图像中标记矩形//////////////////////////////////////////////////////////////////void drawSquares(IplImage* img, CvSeq* squares, const char* wndname){ CvSeqReader reader; IplImage* cpy = cvCloneImage(img); CvPoint pt[4]; int i; cvStartReadSeq(squares, &reader, 0); for (i = 0; i < squares->total; i += 4) { CvPoint* rect = pt; int count = 4; memcpy(pt, reader.ptr, squares->elem_size); CV_NEXT_SEQ_ELEM(squares->elem_size, reader); memcpy(pt + 1, reader.ptr, squares->elem_size); CV_NEXT_SEQ_ELEM(squares->elem_size, reader); memcpy(pt + 2, reader.ptr, squares->elem_size); CV_NEXT_SEQ_ELEM(squares->elem_size, reader); memcpy(pt + 3, reader.ptr, squares->elem_size); CV_NEXT_SEQ_ELEM(squares->elem_size, reader); //cvPolyLine( cpy, &rect, &count, 1, 1, CV_RGB(0,255,0), 3, CV_AA, 0 ); cvPolyLine(cpy, &rect, &count, 1, 1, CV_RGB(rand() & 255, rand() & 255, rand() & 255), 1, CV_AA, 0);//彩色绘制 } cvShowImage("22", cpy); cvReleaseImage(&cpy);} void SendMessageOne(){ //开起摄像头 VideoCapture capture; capture.open(0); Mat edges; //定义转化的灰度图 if (!capture.isOpened()) namedWindow("【效果图】", CV_WINDOW_NORMAL); const char* winn = "1111"; if (!capture.isOpened()) //namedWindow(winn, CV_WINDOW_NORMAL); CvMemStorage* storage = 0; CvMemStorage* storage = 0; storage = cvCreateMemStorage(0); while (1) { int Y=0, J=0; Mat frame; capture >> frame; IplImage img0 = frame; //drawSquares(&img0, findSquares4(&img0, storage, 100, 2000, 80, 100, a), winn); //cvClearMemStorage(storage); //清空存储 Mat E = frame(Range(1, 320), Range(1, 240)); cvtColor(frame, edges, CV_BGR2GRAY); //高斯滤波 GaussianBlur(edges, edges, Size(7, 7), 2, 2); std::vector<Vec3f> circles;//存储每个圆的位置信息 //霍夫圆 HoughCircles(edges, circles, CV_HOUGH_GRADIENT, 1.5, 10, 100, 100, 0, 50); for (size_t i = 0; i < circles.size(); i++) { Point center(cvRound(circles[i][0]), cvRound(circles[i][1])); int radius = cvRound(circles[i][2]); //std::cout << "圆的X是" << circles[i][0] << "圆的Y是" << circles[i][1] << std:: endl; //绘制圆轮廓 circle(frame, center, radius, Scalar(155, 50, 255), 3, 8, 0); int R = frame.at<Vec3b>(cvRound(circles[i][1]), cvRound(circles[i][0]))[2];//R int G = frame.at<Vec3b>(cvRound(circles[i][1]), cvRound(circles[i][0]))[1];//G int B = frame.at<Vec3b>(cvRound(circles[i][1]), cvRound(circles[i][0]))[0];//B int num = R + G + B; std::cout << "圆心颜色是" << num << std::endl; } imshow("【效果图】", frame); waitKey(30); }} int main(){ std::thread *a = new std::thread(SendMessageOne); a->join(); return 0;}
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。
本文标题: OpenCV 圆与矩形识别的方法
以上就上有关OpenCV圆与矩形识别的方法的全部内容，学步园全面介绍编程技术、操作系统、数据库、web前端技术等内容。