OpenCV提取圖像中圓線上的數(shù)據(jù)具體流程
需求說明
在對圖像進(jìn)行處理時,經(jīng)常會有這類需求:客戶想要提取出圖像中某條直線、圓線或者ROI區(qū)域內(nèi)的感興趣數(shù)據(jù),進(jìn)行重點關(guān)注。該需求在圖像檢測領(lǐng)域尤其常見。ROI區(qū)域一般搭配Rect即可完成提取,直線和圓線數(shù)據(jù)的提取沒有現(xiàn)成的函數(shù),需要自行實現(xiàn)。
直線的提取見:
OpenCV獲取圖像中直線上的數(shù)據(jù)具體流程
而圓線的提取則是本文要將的內(nèi)容,對圓線而言,將線上某點作為起點,沿順時針或逆時針方向依次提取感興趣數(shù)據(jù),可放置在容器中。那么如何快速提取呢?本文提供了一種比較簡單的思路,應(yīng)用窗口模板,在窗口中快速找到下一可前進(jìn)點的位置,步進(jìn)然后再找下個點,形成路徑追蹤,進(jìn)而實現(xiàn)整圈圓線數(shù)據(jù)的提取。
具體流程
1)初始化。設(shè)置路徑追蹤窗口尺寸size為3,創(chuàng)建path作為行進(jìn)路徑,p點作為起點,c用來存放目標(biāo)數(shù)據(jù)點。
cv::Mat c; int size = 3; cv::Mat path = mask.clone(); Point p = Point(center.x + radius, center.y);
2)將起點放置在c中,將path中的起點值置0,表示該點已經(jīng)走過。
c.push_back(src.at<uchar>(p.y, p.x)); path.at<uchar>(p.y, p.x) = 0;
3)用WinDataNum函數(shù)判斷當(dāng)前點的窗口內(nèi)有幾個可前進(jìn)點,若無則說明路徑封死或者完成路徑,wn值表示可前進(jìn)點的個數(shù)。
int wn = WinDataNum(path, p, size);
4)窗口內(nèi)遍歷,查看是否有可前進(jìn)路徑,若找到,則將當(dāng)前點信息刷新為此點,并將標(biāo)記符find設(shè)為true,find的意義是快速中斷遍歷,用來提速。
int t = size / 2; bool find = false; for (int i = p.y - t; i <= p.y + t; ++i) { uchar *g = path.ptr<uchar>(i); for (int j = p.x - t; j <= p.x + t; ++j) { if (g[j] == 255) { p.x = j; p.y = i; find = true; break; } } if (find) break; }
5)若找到了點,即find為true,則將該點的數(shù)據(jù)存放在c中,path中置0,并以該點為中心搜索窗口內(nèi)可前進(jìn)路徑。
if (find) { c.push_back(src.at<uchar>(p.y, p.x)); path.at<uchar>(p.y, p.x) = 0; wn = WinDataNum(path, p, size); } else break;
6)若wn為0了,則說明路徑封死或者完成路徑了,跳出循環(huán),函數(shù)執(zhí)行完畢。?
while (wn) { int t = size / 2; bool find = false; for (int i = p.y - t; i <= p.y + t; ++i) { uchar *g = path.ptr<uchar>(i); for (int j = p.x - t; j <= p.x + t; ++j) { if (g[j] == 255) { p.x = j; p.y = i; find = true; break; } } if (find) break; } if (find) { c.push_back(src.at<uchar>(p.y, p.x)); path.at<uchar>(p.y, p.x) = 0; wn = WinDataNum(path, p, size); } else break; }
功能函數(shù)
// 獲取圓圈上的數(shù)據(jù),逆時針存儲,起點在中心同行最右側(cè)數(shù)據(jù) cv::Mat getCircleData(cv::Mat src, cv::Mat mask, cv::Point center, int radius) { cv::Mat c; int size = 3; cv::Mat path = mask.clone(); Point p = Point(center.x + radius, center.y); c.push_back(src.at<uchar>(p.y, p.x)); path.at<uchar>(p.y, p.x) = 0; int wn = WinDataNum(path, p, size); while (wn) { int t = size / 2; bool find = false; for (int i = p.y - t; i <= p.y + t; ++i) { uchar *g = path.ptr<uchar>(i); for (int j = p.x - t; j <= p.x + t; ++j) { if (g[j] == 255) { p.x = j; p.y = i; find = true; break; } } if (find) break; } if (find) { c.push_back(src.at<uchar>(p.y, p.x)); path.at<uchar>(p.y, p.x) = 0; wn = WinDataNum(path, p, size); } else break; } return c; }
// 獲取窗口內(nèi)的有效數(shù)據(jù)個數(shù) int WinDataNum(cv::Mat path, cv::Point p, int size) { int number = 0; int t = size / 2; for (int i = p.y - t; i <= p.y + t; ++i) { uchar *g = path.ptr<uchar>(i); for (int j = p.x - t; j <= p.x + t; ++j) { if (g[j] == 255) number++; } } return number; }
C++測試代碼
#include <iostream> #include <opencv2/opencv.hpp> #include <string> using namespace std; using namespace cv; cv::Mat getCircleData(cv::Mat src, cv::Mat mask, cv::Point center, int radius); int WinDataNum(cv::Mat path, cv::Point p, int size); int main() { cv::Mat src = imread("test.jpg", 0); cv::Mat mask = cv::Mat::zeros(src.size(), CV_8UC1); cv::Point center = cv::Point(src.cols / 2, src.rows / 2); int radius = min(src.cols, src.rows) / 2 - 10; circle(mask, center, radius, Scalar(255), 1, 8); cv::Mat c = getCircleData(src, mask, center, radius); src.setTo(0, mask == 0); imshow("src", src); imshow("mask", mask); waitKey(0); return 0; } // 獲取圓圈上的數(shù)據(jù),逆時針存儲,起點在中心同行最右側(cè)數(shù)據(jù) cv::Mat getCircleData(cv::Mat src, cv::Mat mask, cv::Point center, int radius) { cv::Mat c; int size = 3; cv::Mat path = mask.clone(); Point p = Point(center.x + radius, center.y); c.push_back(src.at<uchar>(p.y, p.x)); path.at<uchar>(p.y, p.x) = 0; int wn = WinDataNum(path, p, size); while (wn) { int t = size / 2; bool find = false; for (int i = p.y - t; i <= p.y + t; ++i) { uchar *g = path.ptr<uchar>(i); for (int j = p.x - t; j <= p.x + t; ++j) { if (g[j] == 255) { p.x = j; p.y = i; find = true; break; } } if (find) break; } if (find) { c.push_back(src.at<uchar>(p.y, p.x)); path.at<uchar>(p.y, p.x) = 0; wn = WinDataNum(path, p, size); } else break; } return c; } // 獲取窗口內(nèi)的有效數(shù)據(jù)個數(shù) int WinDataNum(cv::Mat path, cv::Point p, int size) { int number = 0; int t = size / 2; for (int i = p.y - t; i <= p.y + t; ++i) { uchar *g = path.ptr<uchar>(i); for (int j = p.x - t; j <= p.x + t; ++j) { if (g[j] == 255) number++; } } return number; }
測試效果
圖1 原圖
圖2 掩膜內(nèi)圖像
如圖1圖2所示,掩膜內(nèi)的圖像數(shù)據(jù)就是我們要提取的目標(biāo)。
圖3 放大后數(shù)據(jù)搜索路徑
圖3放大后可以看出,起點是230,之后的數(shù)據(jù)是230、231、236、232、234、146等等,再看c容器中的數(shù)據(jù)。
圖4 容器內(nèi)數(shù)據(jù)
對比完開頭,再看結(jié)尾,如圖3所示,是234、234、231、234、234,然后就是起點230,查看容器。
圖5 容器內(nèi)數(shù)據(jù)
這樣有的小伙伴可能覺得中間會不會有數(shù)據(jù)錯誤呢,很簡單,打開VS復(fù)制代碼后,搭配ImageWatch插件,debug調(diào)試打斷點觀察path矩陣,看看它的255數(shù)據(jù)是不是按預(yù)想的路徑消失,如果是則說明扔的數(shù)據(jù)也沒有問題。
總結(jié)
本文提供的只是一個簡單思路,有一定局限性。比如該方法在圓線寬為1時效果最佳,若線寬大了就不能用窗口簡單判斷了;另外,起點在右側(cè)時是逆時針獲取數(shù)據(jù),起點在左側(cè)時是順時針獲取數(shù)據(jù),如果想統(tǒng)一標(biāo)準(zhǔn)的話,最好加上起點的位置判斷,然后決定是否將c的數(shù)據(jù)翻轉(zhuǎn)。至于運行速度方面,3000*3000的圖像矩陣中運行基本為0ms,畢竟只是提取了一條圓線而已。
到此這篇關(guān)于OpenCV提取圖像中圓線上的數(shù)據(jù)具體流程的文章就介紹到這了,更多相關(guān)OpenCV提取圖像數(shù)據(jù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
大數(shù)據(jù)情況下桶排序算法的運用與C++代碼實現(xiàn)示例
在排序元素很多的情況下,其實桶排序的性能并不是太高,這里我們配合單鏈表的直接插入排序,來看下一大數(shù)據(jù)情況下桶排序算法的運用與C++代碼實現(xiàn)示例:2016-07-07C++中new與delete、malloc與free應(yīng)用分析
這篇文章主要介紹了C++中new與delete、malloc與free應(yīng)用分析,很重要的概念,需要的朋友可以參考下2014-08-08