OpenCV實現(xiàn)單目尺寸估計的案例詳解
更新時間：2022年01月07日 10:52:01 作者：visual_eagle
這篇文章主要介紹了通過OpenCV如何實現(xiàn)單目尺寸估計，文中的示例代碼講解詳細，對我們學習和工作有一定的參考價值，感興趣的可以了解一下
一個攝像頭無法獲取深度信息，兩個攝像頭雙目標定可以實現(xiàn)雙目測距。
但是我現(xiàn)在只有一個攝像頭，如果想實現(xiàn)測量尺寸，我的思路：選一張固定尺寸的背景，例如一張A4紙，從圖像中提取A4紙并進行透視變換進行圖像矯正，A4紙的尺寸我可以確定，那么也可以確定圖像中的物體長寬信息（高度忽略不計的情況，例如：卡片）。當攝像頭距離目標物距離L，此時像素所占面積為S，那么理論上來說，目標物圖像變化后的面積為S1，則距離L1=（L/S）*S1，假定目標物上面貼有很多個面積為1平方厘米的正方形貼紙，那么獲取四個角點和四條邊的信息通過算法可以獲取出物體在深度方向上的偏移量。有想法就實踐。
1.在地板上放一張A4紙隨便放一些物體。利用opencv打開攝像頭獲取圖像并顯示。
2.轉(zhuǎn)灰度圖像
3.如果直接使用canny的畫周圍地板的線條不好去除，所以先二值化分割。
4.觀察圖像中存在噪點，使用中值濾波處理
5.使用canny進行邊緣檢測
6.使用累加器方法進行直線擬合
7.得到了四條線段，此時可以求交點，但是我這里為了方便直接角點檢測
8.得到角點排序后進行透視變換
實現(xiàn)1-8效果代碼：
#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;
double x_1[4];
double y_1[4];
double x_2[4];
double y_2[4];
double line_k[4];
double line_b[4];
int line_number=0;
// 獲取交點
//void getCross()
//{
// for (int i = 0; i <line_number; i++)
// {
// for(int j=i+1;j<line_number;j++)
// {
// if(int(abs(line_k[i]))==0&&int(abs(line_k[j]))==0)
// {
// cout<<"i:"<<i<<" j:"<<j<<" is "<<" true"<<endl;
// }
// }
// }
//}
void drawLine(Mat &img, //要標記直線的圖像
vector<Vec2f> lines, //檢測的直線數(shù)據(jù)
double rows, //原圖像的行數(shù)（高）
double cols, //原圖像的列數(shù)（寬）
Scalar scalar, //繪制直線的顏色
int n //繪制直線的線寬
)
{
int image_channels=img.channels();
Point pt1, pt2;
for (size_t i = 0; i < lines.size(); i++)
{
float rho = lines[i][0]; //直線距離坐標原點的距離
float theta = lines[i][1]; //直線過坐標原點垂線與x軸夾角
double a = cos(theta); //夾角的余弦值
double b = sin(theta); //夾角的正弦值
double x0 = a*rho, y0 = b*rho; //直線與過坐標原點的垂線的交點
double length = max(rows, cols); //圖像高寬的最大值
//計算直線上的一點
pt1.x = cvRound(x0 + length * (-b));
pt1.y = cvRound(y0 + length * (a));
//計算直線上另一點
pt2.x = cvRound(x0 - length * (-b));
pt2.y = cvRound(y0 - length * (a));
//兩點繪制一條直線
if(i==0&&image_channels!=1)
{
scalar=Scalar(255,0,0);//blue
}
else if(i==1&&image_channels!=1)
{
scalar=Scalar(255,255,0);//yellow
}
else if(i==2&&image_channels!=1)
{
scalar=Scalar(0,0,255);//red
}
else if(i==3&&image_channels!=1)
{
scalar=Scalar(0,255,0);//green
}
else;
if(image_channels==1)
{
scalar=Scalar(255,255,255);
}
line(img, pt1, pt2, scalar, n);
//計算直線方程
x_1[i]=pt1.x;
y_1[i]=pt1.y;
x_2[i]=pt2.x;
y_2[i]=pt2.y;
line_k[i]=(y_2[i]-y_1[i])/(x_2[i]-x_1[i]);
line_b[i]=y_1[i]-line_k[i]*x_1[i];
cout<<i+1<<":"<<"y="<<line_k[i]<<"*x+"<<line_b[i]<<endl;
}
cout<<"lines_number:"<<lines.size()<<endl;
line_number=lines.size();
// getCross();
}
int main(int argc, char *argv[])
{
VideoCapture cap;
cap.open(0);
Mat frame;
Mat src;
while(line_number!=4)
{
cap>>frame;
src=frame;
imshow("frame",frame);
Mat frame_gray;
cvtColor(frame,frame_gray,COLOR_BGR2GRAY);
imshow("frame_gray",frame_gray);
Mat frame_threshold;
threshold(frame_gray,frame_threshold,160,255,THRESH_BINARY);//frame_gray(x,y)>160 frame_threshold(x,y)=255 else 0
imshow("frame_threshold",frame_threshold);
Mat frame_medianBlur;
medianBlur(frame_threshold, frame_medianBlur, 3);
imshow("frame_medianBlur",frame_medianBlur);
Mat frame_Canny;
Canny(frame_medianBlur, frame_Canny, 10, 180, 3, false);
imshow("frame_Canny",frame_Canny);
//累加器進行檢測直線
vector<Vec2f> lines;
HoughLines(frame_Canny, lines, 1, CV_PI / 180, 100, 0, 0);
Mat frame_HoughLines=frame;
drawLine(frame_HoughLines, lines, frame_HoughLines.rows, frame_HoughLines.cols, Scalar(0,0,0), 1);
imshow("frame_HoughLines",frame_HoughLines);
Mat frame_zeros = Mat::zeros(frame_HoughLines.rows, frame_HoughLines.cols, CV_8UC1);
drawLine(frame_zeros, lines, frame_HoughLines.rows, frame_HoughLines.cols, Scalar(0,0,0), 1);
imshow("frame_zeros",frame_zeros);
vector<Point2f> conners;//檢測到的角點
int maxConers = 4;//檢測角點上限
double qualityLevel = 0.1;//最小特征值
double minDistance = 20;//最小距離
Mat frame_ShiTomasi=frame;
goodFeaturesToTrack(frame_zeros, conners, maxConers, qualityLevel, minDistance);
cout<<"Shi-Tomasi(x,y):"<<conners<<endl;
//角點繪制
for (int i = 0; i < conners.size(); i++)
{
// string text=to_string(i)+"(x,y):"+"("+to_string((int)conners[i].x)+","+to_string((int)conners[i].y)+")";
// cv::putText(frame_ShiTomasi, text, conners[i], FONT_HERSHEY_COMPLEX, 0.6, cv::Scalar(0, 0, 0), 1.4, 8, 0);
circle(frame_ShiTomasi, conners[i], 3, Scalar(0,255,0), 2, 8, 0);
}
//分割四個坐標
int width_flag=frame_HoughLines.cols/2;
int height_flag=frame_HoughLines.rows/2;
vector<Point2f>srcpoint(4);//存放變換前四頂點
for (int i = 0; i < conners.size(); i++)
{
if(conners[i].x<width_flag&&conners[i].y<height_flag)
{
// cv::putText(frame_ShiTomasi, "left1", conners[i], FONT_HERSHEY_COMPLEX, 0.6, cv::Scalar(0, 0, 0), 1.4, 8, 0);
srcpoint[0]=conners[i];
}
else if(conners[i].x>width_flag&&conners[i].y<height_flag)
{
// cv::putText(frame_ShiTomasi, "right1", conners[i], FONT_HERSHEY_COMPLEX, 0.6, cv::Scalar(0, 0, 0), 1.4, 8, 0);
srcpoint[1]=conners[i];
}
else if(conners[i].x<width_flag&&conners[i].y>height_flag)
{
// cv::putText(frame_ShiTomasi, "left2", conners[i], FONT_HERSHEY_COMPLEX, 0.6, cv::Scalar(0, 0, 0), 1.4, 8, 0);
srcpoint[2]=conners[i];
}
else if(conners[i].x>width_flag&&conners[i].y>height_flag)
{
// cv::putText(frame_ShiTomasi, "right2", conners[i], FONT_HERSHEY_COMPLEX, 0.6, cv::Scalar(0, 0, 0), 1.4, 8, 0);
srcpoint[3]=conners[i];
}
else;
}
imshow("frame_ShiTomasi",frame_ShiTomasi);
waitKey(30);
//透視變換
vector<Point2f>dstpoint(4);//存放變換后四頂點
//mm
float a4_width=2100/4;
float a4_height=2970/4;
Mat result = Mat::zeros(a4_width, a4_height,frame.type());
//定義矯正后四頂點
dstpoint[0] = Point2f(0, result.rows);
dstpoint[1] = Point2f(0, 0);
dstpoint[2] = Point2f(result.cols, result.rows);
dstpoint[3] = Point2f(result.cols, 0);
Mat M = getPerspectiveTransform(srcpoint, dstpoint);
Mat frame_result=src;
imshow("1",frame_result);
warpPerspective(frame_result, result, M, result.size());
imshow("result", result);
}
cap.release();
waitKey(0);
return 0;
}
9.進行尺寸估計（將矯正后圖像傳入，最小外接矩形，然后閾值劃分，取出區(qū)域求長寬，按照比例關(guān)系估計最后的長寬比）下面代碼僅僅實現(xiàn)了找出最小矩形和輸出一些點信息。由于時間有限，計算距離算法部分后續(xù)更新。
void get_dist(Mat src)
{
cvtColor(src,src,COLOR_BGR2GRAY);
threshold(src,src,160,255,THRESH_BINARY);//frame_gray(x,y)>160 frame_threshold(x,y)=255 else 0
medianBlur(src, src, 3);
Canny(src, src, 10, 180, 3, false);
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(src, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE, Point());
vector<Rect> boundRect(contours.size());
Mat drawingPicture = Mat::zeros(src.size(), CV_8UC1); //最小外接矩形畫布
int width_i=2100/8;
int height_i=2970/8;
for (int i = 0; i < contours.size(); i++)
{
//繪制輪廓的最小外結(jié)矩形
RotatedRect rect = minAreaRect(contours[i]);
Point2f P[4];
rect.points(P);
for (int j = 0; j <= 3; j++)
{
line(src, P[j], P[(j + 1) % 4], Scalar(255), 1);
cout<<"P[j],P[(j + 1) % 4]:"<<P[j]<<","<< P[(j + 1) % 4]<<endl;
}
}
imshow("dist",src);
}
以上就是OpenCV實現(xiàn)單目尺寸估計的案例詳解的詳細內(nèi)容，更多關(guān)于OpenCV單目尺寸估計的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
這篇文章主要介紹了C語言指針詳解及用法示例，介紹了其相關(guān)概念，然后分享了幾種用法，具有一定參考價值。需要的朋友可以了解下2021-09-09
本篇文章是對C++中sprintf()函數(shù)的使用進行了詳細的分析介紹，需要的朋友參考下2013-05-05
C++探索構(gòu)造函數(shù)私有化會產(chǎn)生什么結(jié)果
C++的構(gòu)造函數(shù)的作?：初始化類對象的數(shù)據(jù)成員。即類的對象被創(chuàng)建的時候，編譯系統(tǒng)對該對象分配內(nèi)存空間，并?動調(diào)?構(gòu)造函數(shù)，完成類成員的初始化。構(gòu)造函數(shù)的特點：以類名作為函數(shù)名，?返回類型2022-05-05
C++?qt實現(xiàn)打開關(guān)閉狀態(tài)按鈕的代碼
這篇文章主要介紹了C++?qt實現(xiàn)打開關(guān)閉狀態(tài)按鈕,用QCheckBox可以實現(xiàn)，只要在選擇與未選擇的狀態(tài)設(shè)置不同的圖片即可完成，代碼簡單易懂，需要的朋友可以參考下2022-03-03
C語言游戲必備:光標定位與顏色設(shè)置的實現(xiàn)方法
本篇文章是對c語言中光標定位與顏色設(shè)置的方法進行了詳細的分析介紹，需要的朋友參考下2013-05-05
這篇文章主要介紹了MFC對話框中添加狀態(tài)欄的方法,實例分析了MFC對話框添加狀態(tài)欄所涉及的相關(guān)成員變量與事件實現(xiàn)技巧,需要的朋友可以參考下2015-07-07
這篇文章主要介紹利用C語言實現(xiàn)輸出平均成績最高學生的信息，文章舉例說明并附有詳細代碼,需要的朋友可以參考一下2021-10-10
解決在Mac下直接解壓C++靜態(tài)庫出現(xiàn)的問題
最近在研究C++的各種編譯構(gòu)建過程，學習了一下cmake，gyp/ninja這些自動化構(gòu)建工具后，想著自己試下用純命令行跑一遍編譯流程。在試圖把C++靜態(tài)庫編譯為動態(tài)庫的過程中遇到了棘手的問題，找了好久后發(fā)現(xiàn)是跟Mac平臺相關(guān)的，這里記錄一下，望對遇到類似問題的童鞋有幫助。2016-12-12
這篇文章主要為大家介紹了C語言實現(xiàn)多項式的相加，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-10-10
這篇文章主要和大家分享三個可以Matlab中更簡便實現(xiàn)同步子圖視角的技巧，文中的示例代碼講解詳細，感興趣的小伙伴可以學習一下2022-06-06