OpenCV邊緣提取算法流程的實(shí)現(xiàn)(附DEMO)
在傳統(tǒng)的計(jì)算機(jī)視覺領(lǐng)域,經(jīng)常需要使用一些傳統(tǒng)的圖像處理算法完成對(duì)圖像的邊緣提取功能,通過對(duì)圖像的邊緣進(jìn)行提取完成對(duì)目標(biāo)對(duì)象的分割,目標(biāo)分割技術(shù)又包括語義分割與實(shí)例分割,比較高端的魯棒性較強(qiáng)的還是需要卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行相關(guān)的訓(xùn)練,如fcn全連接網(wǎng)絡(luò),mask-rcnn實(shí)例分割網(wǎng)絡(luò)。本案例旨在采用傳統(tǒng)的圖像處理技術(shù)完成對(duì)圖像的邊緣檢測任務(wù),并通過膨脹腐蝕操作進(jìn)行連通域的提取,之后通過連通域的填充以及掩膜操作完成目標(biāo)對(duì)象的分割。
具體需要達(dá)到的目標(biāo)如下:
上圖所示,可以很好的將河道信息進(jìn)行提取。
1. 具體算法流程
首先對(duì)采集的圖片進(jìn)行灰度化處理(方便進(jìn)行數(shù)據(jù)處理),然后對(duì)灰度圖像進(jìn)行中值濾波操作去除湖面上的細(xì)小雜質(zhì),之后通過x方向和y方向上的Sobel梯度算子分別獲取梯度圖像,并將梯度圖像轉(zhuǎn)換成CV_8UC1類型,并對(duì)轉(zhuǎn)換后的x,y方向上的梯度圖像進(jìn)行OTSU二值化操作獲取二值圖像,并對(duì)兩幅二值圖像按對(duì)應(yīng)像素位置進(jìn)行與運(yùn)算,目的是為了去除河道上的波紋干擾。(可以繼續(xù)對(duì)與運(yùn)算之后的結(jié)果圖進(jìn)行中值濾波去除湖面上的細(xì)小雜質(zhì))。最后對(duì)二值圖進(jìn)行多次迭代的膨脹腐蝕操作以及小區(qū)域塊的填充操作(用到findContours與drawContours接口進(jìn)行輪廓查找與填充)獲取河道連通區(qū)域。
2.流程圖
可以通過如下流程圖進(jìn)行展示。
3. 涉及到的代碼
int main() { Mat srcImage, srcImage2, srcImage3; for (int j = 1; j <= 172; j++) { //白天總共172張圖片。1-172;驗(yàn)證:1,162,146; //(挑選最好的效果作為模板。對(duì)比108與117進(jìn)行分析)。 //if (j == 108 || j == 117) //{//對(duì)比分析之后選擇第108張圖片作為模板圖片 char ch[4096] = { 0 }; sprintf(ch, "..\\findriveredge\\day\\2 (%d).jpg", j); srcImage = imread(ch, IMREAD_ANYCOLOR); srcImage2 = srcImage.clone(); srcImage3 = srcImage.clone(); if (srcImage.empty()) { return -1; } if (srcImage.channels() == 3) { cvtColor(srcImage, srcImage, COLOR_BGR2GRAY); } Mat outImage; medianBlur(srcImage, outImage, g_nKrenel);//首先對(duì)灰度圖進(jìn)行中值濾波操作,去除一些雜質(zhì)。 Mat grad_x, abs_grad_x, grayImage_x; Sobel(outImage, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT); convertScaleAbs(grad_x, abs_grad_x); abs_grad_x.convertTo(grayImage_x, CV_8U); Mat grad_y, abs_grad_y, grayImage_y; Sobel(outImage, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT); convertScaleAbs(grad_y, abs_grad_y); abs_grad_y.convertTo(grayImage_y, CV_8U); Mat XBin, YBin; int n_thresh_x = myOtsu(grayImage_x); threshold(grayImage_x, XBin, n_thresh_x, 255, THRESH_BINARY); int n_thresh_y = myOtsu(grayImage_y); threshold(grayImage_y, YBin, n_thresh_y, 255, THRESH_BINARY); Mat Bin; bitwise_and(XBin, YBin, Bin); Mat outBin; medianBlur(Bin, outBin, 3);//去除一些雜質(zhì)點(diǎn)。 Mat outBin2 = outBin.clone(); int n_iterations = 5; Mat element = getStructuringElement(MORPH_ELLIPSE, Size(15, 15));//膨脹變亮形成連通域。 Mat element2 = getStructuringElement(MORPH_ELLIPSE, Size(5, 5));//腐蝕操作斷開一些連通域。 dilate(outBin2, outBin2, element, Point(-1, -1), n_iterations); erode(outBin2, outBin2, element2, Point(-1, -1), 3);//腐蝕操作,斷開河流區(qū)域內(nèi)部的連接區(qū)域,方便后續(xù)的填充處理。 //將河流ROI區(qū)域小塊連通域填黑。 Mat outBin3 = outBin2.clone(); vector<vector<Point>> contours; vector<Vec4i> hie; findContours(outBin3, contours, hie, RETR_LIST, CHAIN_APPROX_SIMPLE); float f_area = 0.0; for (int i = 0; i < contours.size(); i++) { f_area = contourArea(contours[i]); if (f_area < 250000) { drawContours(outBin3, contours, i, Scalar(0), -1); } } //由于final bin2在腐蝕過程中存在部分背景區(qū)域?yàn)楹谏斩矗枰獙⑵涮畎住? Mat outBin4_tmp = ~outBin3; Mat outBin4; contours.clear(); hie.clear(); findContours(outBin4_tmp, contours, hie, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); for (unsigned int i = 0; i < contours.size(); i++) { f_area = contourArea(contours[i]); if (f_area < 250000) { drawContours(outBin4_tmp, contours, i, Scalar(0), -1); } } outBin4 = ~outBin4_tmp; //迭代腐蝕突出河流邊界區(qū)域。 erode(outBin4, outBin4, element, Point(-1, -1), 10); //(可以對(duì)腐蝕圖在進(jìn)行一次外輪廓填充)。 Mat outBin5_tmp = ~outBin4.clone(); Mat outBin5; contours.clear(); hie.clear(); findContours(outBin5_tmp, contours, hie, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE); for (unsigned int i = 0; i < contours.size(); i++) { f_area = contourArea(contours[i]); if (f_area < 100000) { drawContours(outBin5_tmp, contours, i, Scalar(0), -1); } } outBin5 = ~outBin5_tmp; //根據(jù)outBin4,對(duì)原rgb圖取感興趣區(qū)域(即河流區(qū)域) for (int i = 0; i < outBin5.rows; i++) { for (int j = 0; j < outBin5.cols; j++) { if (outBin5.at<uchar>(i, j) == 255) { srcImage2.at<Vec3b>(i, j)[0] = 0; srcImage2.at<Vec3b>(i, j)[1] = 0; srcImage2.at<Vec3b>(i, j)[2] = 0; } } } namedWindow("finalImage", 0); imshow("finalImage", srcImage2);//這里的srcImage2表示最后所需效果圖 cout << j << endl; waitKey(30); } return 0; }
到此這篇關(guān)于OpenCV邊緣提取算法流程的實(shí)現(xiàn)(附DEMO)的文章就介紹到這了,更多相關(guān)OpenCV 邊緣提取內(nèi)容請(qǐng)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
C/C++常用函數(shù)易錯(cuò)點(diǎn)分析
這篇文章主要介紹了C/C++常用函數(shù)易錯(cuò)點(diǎn)分析,包含了memset、sizeof、getchar三個(gè)常用函數(shù)的分析,需要的朋友可以參考下2014-08-08C語言實(shí)現(xiàn)小學(xué)生隨機(jī)出題測試計(jì)分
這篇文章主要為大家詳細(xì)介紹了C語言實(shí)現(xiàn)小學(xué)生隨機(jī)出題測試計(jì)分,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-03-03Visual?Studio?2022下載及配置OpenCV4.5.5的詳細(xì)過程
這篇文章主要介紹了Visual?Studio?2022下載及配置OpenCV4.5.5的詳細(xì)過程,在這里注意下Win10的64位操作系統(tǒng),在OpenCV官網(wǎng)下載OpenCV4.5.5,安裝的是Win?pack,本文通過圖文并茂的形式給大家介紹的非常詳細(xì),需要的朋友可以參考下2022-05-05C語言結(jié)構(gòu)及隊(duì)列實(shí)現(xiàn)示例詳解
這篇文章主要為大家介紹了C語言實(shí)現(xiàn)隊(duì)列示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-12-12Vs2019+Qt+Opencv環(huán)境配置心得(圖文)
這篇文章主要介紹了Vs2019+Qt+Opencv環(huán)境配置心得(圖文),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08