本文原始地址： OpenCV for Ios 學(xué)習(xí)筆記(4)－標(biāo)記檢測(cè)1

簡單的標(biāo)記經(jīng)常是以白色塊和黑色塊構(gòu)成的規(guī)則圖形。因?yàn)槲覀冾A(yù)先知道這些因素，所以我們可以很容易檢測(cè)標(biāo)記。

如圖：

首先，我們需要找到封閉的輪廓，然后在矩形輪廓里檢查我們的標(biāo)記。

下面是標(biāo)記監(jiān)測(cè)管道的處理流程：

1.把輸入的圖像轉(zhuǎn)化成灰度圖像。

2.進(jìn)行二進(jìn)制閾值操作（Perform binary threshold operation）。

3.檢測(cè)圖像輪廓。

4.搜索可能的標(biāo)記。

5.檢測(cè)并解碼標(biāo)記。

6.模擬出標(biāo)記的三維姿態(tài)（形狀）。

首先，我們進(jìn)行 圖像灰度化

cvCvtColor

?

    //灰度化

void MarkerDetector::prepareImage(const cv::Mat& bgraMat,cv::Mat& grayscale)

{

    //convert grayscale

    cv::cvtColor(bgraMat, grayscale, CV_BGR2GRAY);

}
  

其次是 圖像的二值化 （Image binarization）

?

關(guān)于二值化，參考： OpenCV二值化方法

二值化操作將把我們的圖像每個(gè)像素轉(zhuǎn)換為黑色(零強(qiáng)度)或白色(烈度)，首先我們需要找到輪廓，目前有許多種求閥值的方法，但是多有各自的優(yōu)勢(shì)和缺點(diǎn)。

其中既簡單又快捷的方法是絕對(duì)閥值法－結(jié)果依賴于像素強(qiáng)度和某些閥值，即如果像素強(qiáng)度大于閥值，其結(jié)果將是白（255），否則將是黑（0）。

但是這個(gè)方法有個(gè)最大的缺點(diǎn)－它依賴于照明和軟強(qiáng)度變化（soft intensity changes）。所以更加可取的方法是自適應(yīng)閥值－最大的不同在于在以被檢查的像素為圓心的半徑內(nèi)使用所有像素。使用平均強(qiáng)度來保證更加健壯的角點(diǎn)檢測(cè)。

OpenCV學(xué)習(xí)筆記-自適應(yīng)閾值化

?

    void MarkerDetector::performThreshold(const cv::Mat& grayscale,cv::Mat& thresholdImg)

{

    //輸入圖像

    //輸出圖像

    //使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值

    //自適應(yīng)閾值算法使用：CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C 

    //取閾值類型：必須是下者之一

    //CV_THRESH_BINARY,

    //CV_THRESH_BINARY_INV

    //用來計(jì)算閾值的象素鄰域大小: 3, 5, 7, ...

    //

    cv::adaptiveThreshold(grayscale, thresholdImg, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY_INV, 7, 7);

}
  

輪廓檢測(cè)

?

這個(gè)函數(shù)的輸出是一個(gè)一個(gè)多邊形的集合，每個(gè)多邊形多代表一個(gè)可能的輪廓。在這個(gè)方法中，我們忽略了尺寸小于minContoursPointAllowed的多邊形，因?yàn)槲覀冋J(rèn)為它們要么不是有效的輪廓，要么實(shí)在太小，不值得去檢測(cè)它們。

    void MarkerDetector::findContours(const cv::Mat &thresholdImg, std::vector<std::vector<cv::Point>> &contours, int minContoursPointAllowed)

{

    //所有的輪廓

    std::vector<std::vector<cv::Point>> allContours;

    

    //輸入圖像image必須為一個(gè)2值單通道圖像

    //檢測(cè)的輪廓數(shù)組，每一個(gè)輪廓用一個(gè)point類型的vector表示

    //輪廓的檢索模式

    /*

     CV_RETR_EXTERNAL表示只檢測(cè)外輪廓

     CV_RETR_LIST檢測(cè)的輪廓不建立等級(jí)關(guān)系

     CV_RETR_CCOMP建立兩個(gè)等級(jí)的輪廓，上面的一層為外邊界，里面的一層為內(nèi)孔的邊界信息。如果內(nèi)孔內(nèi)還有一個(gè)連通物體，這個(gè)物體的邊界也在頂層。

     CV_RETR_TREE建立一個(gè)等級(jí)樹結(jié)構(gòu)的輪廓。具體參考contours.c這個(gè)demo

     */

    //輪廓的近似辦法

    /*

     CV_CHAIN_APPROX_NONE存儲(chǔ)所有的輪廓點(diǎn)，相鄰的兩個(gè)點(diǎn)的像素位置差不超過1，即max（abs（x1-x2），abs（y2-y1））==1

     CV_CHAIN_APPROX_SIMPLE壓縮水平方向，垂直方向，對(duì)角線方向的元素，只保留該方向的終點(diǎn)坐標(biāo)，例如一個(gè)矩形輪廓只需4個(gè)點(diǎn)來保存輪廓信息

     CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

     offset表示代表輪廓點(diǎn)的偏移量，可以設(shè)置為任意值。對(duì)ROI圖像中找出的輪廓，并要在整個(gè)圖像中進(jìn)行分析時(shí)，這個(gè)參數(shù)還是很有用的。

     */

    cv::findContours(thresholdImg, allContours, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);

    contours.clear();

    for (size_t i = 0; i < allContours.size(); i++)

    {

        int size = allContours[i].size();

        if (size > minContoursPointAllowed)

        {

            contours.push_back(allContours[i]);

        }

    }

}
  

下面是我們檢測(cè)到的輪廓：

閾值

閾值就是臨界值，在PS中的閾值，實(shí)際上是基于圖片亮度的一個(gè)黑白分界值，默認(rèn)值是50%中性灰，即128，亮度高于128(<50%的灰)的會(huì)變白，低于128(>50%的灰)的會(huì)變黑（可以跟濾鏡中的其它――高反差保留，再用閾值效果會(huì)更好）

注：該學(xué)習(xí)筆記主要翻譯自Mastering OpenCV with Practical Computer Visi

?

?

OpenCV for Ios 學(xué)習(xí)筆記(4)－標(biāo)記檢測(cè)1