OpenCV入門指南

BeautymengRoom 2014-07-10

展開全文

目錄(?)[+]

【OpenCV第一篇】安裝OpenCV

本篇主要介紹如何下載OpenCV安裝程序，如何在VS2008下安裝配置OpenCV，文章最后還介紹了一個(gè)使用OpenCV的簡單小例子。

一．OpenCV的下載

可以到http://www./index.php/Download，然后選一個(gè)較新版本下載。我下的是V2.3.1版本，下載地址是：

http://www./download/OpenCV-2.3.1-win-superpack.exe

下載完成后，雙擊運(yùn)行exe，選擇輸出目錄，我選擇的是D:\opencv。然后解壓縮就完成了安裝。安裝過程如下圖所示：

二．在我的電腦中配置OpenCV

在“我的電腦”右擊彈出“系統(tǒng)屬性”對話框，選擇“高級”再點(diǎn)擊“環(huán)境變量”，然后再編輯path，在“編輯用戶變量”對話框的變量值輸入以下三條，注意用“;”來分開。

D:\opencv\opencv\build\x86\vc9\bin;

D:\opencv\opencv\build\x86\mingw\bin;

D:\opencv\opencv\build\common\tbb\ia32\vc9;

三．在VS2008中加入OpenCV

在VS2008中點(diǎn)擊“工具”，再點(diǎn)擊“選項(xiàng)”，然后選擇“項(xiàng)目和解決方案”，手動加入庫文件，引用文件和包含文件即可完成OpenCV在VS2008的導(dǎo)入。

四．第一個(gè)OpenCV程序

下面是最簡單的OpenCV使用例子，功能也很簡單——加載圖像文件并顯示出來。代碼如下：

[cpp] view plain copy print ?

//顯示圖像文件
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
int main()
{
const char *pstrImageName = "沖浪大師賽001.jpg";
const char *pstrWindowsTitle = "OpenCV第一個(gè)程序(http://blog.csdn.net/MoreWindows)";
//從文件中讀取圖像
IplImage *pImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_UNCHANGED);
//創(chuàng)建窗口
cvNamedWindow(pstrWindowsTitle, CV_WINDOW_AUTOSIZE);
//在指定窗口中顯示圖像
cvShowImage(pstrWindowsTitle, pImage);
//等待按鍵事件
cvWaitKey();
cvDestroyWindow(pstrWindowsTitle);
cvReleaseImage(&pImage);
return 0;
}

[cpp] view plain copy print ?

//顯示圖像文件
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
int main()
{
const char *pstrImageName = "沖浪大師賽001.jpg";
const char *pstrWindowsTitle = "OpenCV第一個(gè)程序(http://blog.csdn.net/MoreWindows)";
//從文件中讀取圖像
IplImage *pImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_UNCHANGED);
//創(chuàng)建窗口
cvNamedWindow(pstrWindowsTitle, CV_WINDOW_AUTOSIZE);
//在指定窗口中顯示圖像
cvShowImage(pstrWindowsTitle, pImage);
//等待按鍵事件
cvWaitKey();
cvDestroyWindow(pstrWindowsTitle);
cvReleaseImage(&pImage);
return 0;
}

對代碼中的主要函數(shù)進(jìn)行下講解：

1．創(chuàng)建窗口 cvNamedWindow

函數(shù)名稱：cvNamedWindow
函數(shù)功能：創(chuàng)建窗口
函數(shù)原型：
int cvNamedWindow( const char* name, int flags=CV_WINDOW_AUTOSIZE );

參數(shù)說明：
第一個(gè)參數(shù)表示窗口的名字，它被用來區(qū)分不同的窗口，并被顯示為窗口標(biāo)題。被創(chuàng)建的窗口可以通過它們的名字被引用。
第二個(gè)參數(shù)表示窗口屬性標(biāo)志。目前唯一支持的標(biāo)志是CV_WINDOW_AUTOSIZE。當(dāng)這個(gè)標(biāo)志被設(shè)置后，用戶不能手動改變窗口大小，窗口大小會自動調(diào)整以適合被顯示圖像。
函數(shù)cvNamedWindow創(chuàng)建一個(gè)可以放置圖像和trackbar的窗口。

注意：
如果已經(jīng)存在這個(gè)名字的窗口，這個(gè)函數(shù)將不做任何事情。

2．在指定窗口中顯示圖像 cvShowImage

函數(shù)名稱：cvShowImage
函數(shù)功能：在指定窗口中顯示圖像
函數(shù)原型：
void cvShowImage( const char* name, const CvArr* image );
參數(shù)說明：

第一個(gè)參數(shù)：窗口的名字。
第二個(gè)參數(shù)：被顯示的圖像。

3．等待按鍵事件 cvWaitKey

函數(shù)名稱：cvWaitKey

函數(shù)功能：等待按鍵事件

函數(shù)原型：
int cvWaitKey( int delay=0 );
參數(shù)說明：

第一個(gè)參數(shù)：延遲的毫秒數(shù)，當(dāng)delay<=0時(shí)表示無限等待。

函數(shù)返回值：

如果超過指定時(shí)間則返回-1，否則返回被按鍵的值。

編譯，居然出錯(cuò)了?。″e(cuò)誤信息如下：

1>正在鏈接...

1>opencv_test1.obj : error LNK2019:無法解析的外部符號_cvReleaseImage，該符號在函數(shù)_main中被引用

1>opencv_test1.obj : error LNK2019:無法解析的外部符號_cvDestroyWindow，該符號在函數(shù)_main中被引用

1>opencv_test1.obj : error LNK2019:無法解析的外部符號_cvWaitKey，該符號在函數(shù)_main中被引用

1>opencv_test1.obj : error LNK2019:無法解析的外部符號_cvShowImage，該符號在函數(shù)_main中被引用

1>opencv_test1.obj : error LNK2019:無法解析的外部符號_cvNamedWindow，該符號在函數(shù)_main中被引用

1>opencv_test1.obj : error LNK2019:無法解析的外部符號_cvLoadImage，該符號在函數(shù)_main中被引用

現(xiàn)在如何解決這個(gè)問題了？既然是在鏈接時(shí)出的錯(cuò)，說明肯定有靜態(tài)庫沒有被編譯器找到。因此我們在VS2008中點(diǎn)擊“項(xiàng)目”，再點(diǎn)擊“屬性”，依次展開“配置屬性”-->“鏈接器”-->“輸入”在“附加依賴項(xiàng)中”添加如下靜態(tài)文件。

opencv_calib3d231d.lib opencv_contrib231d.lib opencv_core231d.lib opencv_features2d231d.lib opencv_flann231d.lib opencv_gpu231d.lib opencv_highgui231d.lib opencv_imgproc231d.lib opencv_legacy231d.lib opencv_ml231d.lib opencv_objdetect231d.lib opencv_ts231d.lib opencv_video231d.lib

再編譯，成功。程序運(yùn)行結(jié)果如下圖所示：

呵呵，很酷的沖浪~~

【OpenCV入門指南】第二篇縮放圖像

一. 主要函數(shù)介紹

1.1 cvResize

函數(shù)功能：圖像大小變換

函數(shù)原型：

voidcvResize(

const CvArr*src,

CvArr*dst,

intinterpolation=CV_INTER_LINEAR

);

函數(shù)說明：

第一個(gè)參數(shù)表示輸入圖像。

第二個(gè)參數(shù)表示輸出圖像。

第三個(gè)參數(shù)表示插值方法，可以有以下四種：

CV_INTER_NN -最近鄰插值,

CV_INTER_LINEAR -雙線性插值 (缺省使用)

CV_INTER_AREA -使用象素關(guān)系重采樣。當(dāng)圖像縮小時(shí)候，該方法可以避免波紋出現(xiàn)。當(dāng)圖像放大時(shí)，類似于 CV_INTER_NN方法..

CV_INTER_CUBIC -立方插值.

這個(gè)函數(shù)在功能上與Win32 API中的StretchBlt()函數(shù)類似。

1.2 cvCreateImage

函數(shù)功能：創(chuàng)建圖像

函數(shù)原型：

IplImage*cvCreateImage(CvSizesize, intdepth,intchannels);

函數(shù)說明：

第一個(gè)參數(shù)表示圖像的大小。

第二個(gè)參數(shù)表示圖像的深度，可以為IPL_DEPTH_8U，IPL_DEPTH_16U等等。

第三個(gè)參數(shù)表示圖像的通道數(shù)。

二. 示例程序代碼

有了這二個(gè)函數(shù)后，不難寫出代碼：

[cpp] view plain copy print ?

//縮放圖像文件
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
//隱藏控制臺窗口
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
int main()
{
const char *pstrImageName = "沖浪大師賽001.jpg";
const char *pstrSaveImageName = "沖浪大師賽001縮放圖.jpg";
const char *pstrWindowsSrcTitle = "原圖 (http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsDstTitle = "縮放圖 (http://blog.csdn.net/MoreWindows)";
double fScale = 0.314; //縮放倍數(shù)
CvSize czSize; //目標(biāo)圖像尺寸
//從文件中讀取圖像
IplImage *pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_UNCHANGED);
IplImage *pDstImage = NULL;
//計(jì)算目標(biāo)圖像大小
czSize.width = pSrcImage->width * fScale;
czSize.height = pSrcImage->height * fScale;
//創(chuàng)建圖像并縮放
pDstImage = cvCreateImage(czSize, pSrcImage->depth, pSrcImage->nChannels);
cvResize(pSrcImage, pDstImage, CV_INTER_AREA);
//創(chuàng)建窗口
cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
cvNamedWindow(pstrWindowsDstTitle, CV_WINDOW_AUTOSIZE);
//在指定窗口中顯示圖像
cvShowImage(pstrWindowsSrcTitle, pSrcImage);
cvShowImage(pstrWindowsDstTitle, pDstImage);
//等待按鍵事件
cvWaitKey();
//保存圖片
cvSaveImage(pstrSaveImageName, pDstImage);
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsDstTitle);
cvReleaseImage(&pSrcImage);
cvReleaseImage(&pDstImage);
return 0;
}

[cpp] view plain copy print ?

//縮放圖像文件
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
//隱藏控制臺窗口
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
int main()
{
const char *pstrImageName = "沖浪大師賽001.jpg";
const char *pstrSaveImageName = "沖浪大師賽001縮放圖.jpg";
const char *pstrWindowsSrcTitle = "原圖 (http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsDstTitle = "縮放圖 (http://blog.csdn.net/MoreWindows)";
double fScale = 0.314; //縮放倍數(shù)
CvSize czSize; //目標(biāo)圖像尺寸
//從文件中讀取圖像
IplImage *pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_UNCHANGED);
IplImage *pDstImage = NULL;
//計(jì)算目標(biāo)圖像大小
czSize.width = pSrcImage->width * fScale;
czSize.height = pSrcImage->height * fScale;
//創(chuàng)建圖像并縮放
pDstImage = cvCreateImage(czSize, pSrcImage->depth, pSrcImage->nChannels);
cvResize(pSrcImage, pDstImage, CV_INTER_AREA);
//創(chuàng)建窗口
cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
cvNamedWindow(pstrWindowsDstTitle, CV_WINDOW_AUTOSIZE);
//在指定窗口中顯示圖像
cvShowImage(pstrWindowsSrcTitle, pSrcImage);
cvShowImage(pstrWindowsDstTitle, pDstImage);
//等待按鍵事件
cvWaitKey();
//保存圖片
cvSaveImage(pstrSaveImageName, pDstImage);
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsDstTitle);
cvReleaseImage(&pSrcImage);
cvReleaseImage(&pDstImage);
return 0;
}

程序運(yùn)行結(jié)果如下：

【OpenCV入門指南】第三篇Canny邊緣檢測

圖像的邊緣檢測的原理是檢測出圖像中所有灰度值變化較大的點(diǎn)，而且這些點(diǎn)連接起來就構(gòu)成了若干線條，這些線條就可以稱為圖像的邊緣。

Canny邊緣檢測算子是John F. Canny于 1986年開發(fā)出來的一個(gè)多級邊緣檢測算法。Canny 邊緣檢測的數(shù)學(xué)原理和算法實(shí)現(xiàn)這里就不再了，有興趣的讀者可以查閱專業(yè)書籍，本文主要介紹如何在OpenCV中對圖像進(jìn)行Canny邊緣檢測，下面就來看看這個(gè)函數(shù)的原型。

一. 主要函數(shù)

1.1 cvCanny

函數(shù)功能：采用Canny方法對圖像進(jìn)行邊緣檢測

函數(shù)原型：

voidcvCanny(

constCvArr* image,

CvArr*edges,

doublethreshold1,doublethreshold2,

intaperture_size=3

);

函數(shù)說明：

第一個(gè)參數(shù)表示輸入圖像，必須為單通道灰度圖。

第二個(gè)參數(shù)表示輸出的邊緣圖像，為單通道黑白圖。

第三個(gè)參數(shù)和第四個(gè)參數(shù)表示閾值，這二個(gè)閾值中當(dāng)中的小閾值用來控制邊緣連接，大的閾值用來控制強(qiáng)邊緣的初始分割即如果一個(gè)像素的梯度大與上限值，則被認(rèn)為是邊緣像素，如果小于下限閾值，則被拋棄。如果該點(diǎn)的梯度在兩者之間則當(dāng)這個(gè)點(diǎn)與高于上限值的像素點(diǎn)連接時(shí)我們才保留，否則刪除。

第五個(gè)參數(shù)表示Sobel算子大小，默認(rèn)為3即表示一個(gè)3*3的矩陣。Sobel算子與高斯拉普拉斯算子都是常用的邊緣算子，詳細(xì)的數(shù)學(xué)原理可以查閱專業(yè)書籍。

為了更好的使用cvCanny()函數(shù)，下面再介紹二個(gè)實(shí)用的函數(shù)，這二個(gè)函數(shù)對后面的程序?qū)崿F(xiàn)非常有幫助。

1.2 cvCreateTrackbar

函數(shù)功能：創(chuàng)建trackbar并添加到指定窗口

函數(shù)原型：

intcvCreateTrackbar(

constchar* trackbar_name,

constchar* window_name,

int*value,

intcount,

CvTrackbarCallbackon_change

);

函數(shù)說明：

第一個(gè)參數(shù)表示該trackbar的名稱。

第二個(gè)參數(shù)表示窗口名稱，該trackbar將顯示在這個(gè)窗口內(nèi)。

第三個(gè)參數(shù)表示創(chuàng)建時(shí)滑塊的位置。

第四個(gè)參數(shù)表示滑塊位置的最大值，最小值固定為0。

第五個(gè)參數(shù)表示回調(diào)函數(shù)。當(dāng)滑塊位置有變化時(shí)，系統(tǒng)會調(diào)用該回調(diào)函數(shù)。

注：被創(chuàng)建的trackbar默認(rèn)顯示在指定窗口的頂端，可以通過函數(shù)cvGetTrackbarPos()來獲取trackbar顯示的位置信息，以及通過函數(shù)cvSetTrackbarPos()來重新設(shè)置trackbar的顯示位置。

1.3 CvTrackbarCallback

函數(shù)功能：cvCreateTrackbar()函數(shù)所使用的回調(diào)函數(shù)

函數(shù)定義：

typedef void (CV_CDECL *CvTrackbarCallback)(int pos)

函數(shù)說明：

當(dāng)trackbar位置被改變的時(shí)，系統(tǒng)會調(diào)用這個(gè)回調(diào)函數(shù)，并將參數(shù)pos設(shè)置為表示trackbar位置的數(shù)值。

二. 示例程序代碼

下面就給出在OpenCV中使用Canny 邊緣檢測的程序代碼：

[cpp] view plain copy print ?

//圖像的Canny邊緣檢測
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
IplImage *g_pSrcImage, *g_pCannyImg;
const char *pstrWindowsCannyTitle = "邊緣檢測圖(http://blog.csdn.net/MoreWindows)";
//cvCreateTrackbar的回調(diào)函數(shù)
void on_trackbar(int threshold)
{
//canny邊緣檢測
cvCanny(g_pSrcImage, g_pCannyImg, threshold, threshold * 3, 3);
cvShowImage(pstrWindowsCannyTitle, g_pCannyImg);
}
int main()
{
const char *pstrImageName = "001.jpg";
const char *pstrWindowsSrcTitle = "原圖(http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsToolBar = "Threshold";
//從文件中載入圖像的灰度圖CV_LOAD_IMAGE_GRAYSCALE - 灰度圖
g_pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_GRAYSCALE);
g_pCannyImg = cvCreateImage(cvGetSize(g_pSrcImage), IPL_DEPTH_8U, 1);
//創(chuàng)建窗口
cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
cvNamedWindow(pstrWindowsCannyTitle, CV_WINDOW_AUTOSIZE);
//創(chuàng)建滑動條
int nThresholdEdge = 1;
cvCreateTrackbar(pstrWindowsToolBar, pstrWindowsCannyTitle, &nThresholdEdge, 100, on_trackbar);
//在指定窗口中顯示圖像
cvShowImage(pstrWindowsSrcTitle, g_pSrcImage);
on_trackbar(1);
//等待按鍵事件
cvWaitKey();
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsCannyTitle);
cvReleaseImage(&g_pSrcImage);
cvReleaseImage(&g_pCannyImg);
return 0;
}

[cpp] view plain copy print ?

//圖像的Canny邊緣檢測
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
IplImage *g_pSrcImage, *g_pCannyImg;
const char *pstrWindowsCannyTitle = "邊緣檢測圖(http://blog.csdn.net/MoreWindows)";
//cvCreateTrackbar的回調(diào)函數(shù)
void on_trackbar(int threshold)
{
//canny邊緣檢測
cvCanny(g_pSrcImage, g_pCannyImg, threshold, threshold * 3, 3);
cvShowImage(pstrWindowsCannyTitle, g_pCannyImg);
}
int main()
{
const char *pstrImageName = "001.jpg";
const char *pstrWindowsSrcTitle = "原圖(http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsToolBar = "Threshold";
//從文件中載入圖像的灰度圖CV_LOAD_IMAGE_GRAYSCALE - 灰度圖
g_pSrcImage = cvLoadImage(pstrImageName, CV_LOAD_IMAGE_GRAYSCALE);
g_pCannyImg = cvCreateImage(cvGetSize(g_pSrcImage), IPL_DEPTH_8U, 1);
//創(chuàng)建窗口
cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
cvNamedWindow(pstrWindowsCannyTitle, CV_WINDOW_AUTOSIZE);
//創(chuàng)建滑動條
int nThresholdEdge = 1;
cvCreateTrackbar(pstrWindowsToolBar, pstrWindowsCannyTitle, &nThresholdEdge, 100, on_trackbar);
//在指定窗口中顯示圖像
cvShowImage(pstrWindowsSrcTitle, g_pSrcImage);
on_trackbar(1);
//等待按鍵事件
cvWaitKey();
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsCannyTitle);
cvReleaseImage(&g_pSrcImage);
cvReleaseImage(&g_pCannyImg);
return 0;
}

運(yùn)行效果如圖所示：

本篇介紹了Canny邊緣檢測，這種方法能有效的找出圖像中的所有邊緣。

【OpenCV入門指南】第四篇圖像的二值化

在上一篇《【OpenCV入門指南】第三篇Canny邊緣檢測》中介紹了使用Canny算子對圖像進(jìn)行邊緣檢測。與邊緣檢測相比，輪廓檢測有時(shí)能更好的反映圖像的內(nèi)容。而要對圖像進(jìn)行輪廓檢測，則必須要先對圖像進(jìn)行二值化，圖像的二值化就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，這樣將使整個(gè)圖像呈現(xiàn)出明顯的黑白效果。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，圖像的二值化使圖像中數(shù)據(jù)量大為減少，從而能凸顯出目標(biāo)的輪廓。

一. 關(guān)鍵函數(shù)介紹

下面就介紹OpenCV中對圖像進(jìn)行二值化的關(guān)鍵函數(shù)——cvThreshold()。

函數(shù)功能：采用Canny方法對圖像進(jìn)行邊緣檢測

函數(shù)原型：

voidcvThreshold(

constCvArr* src,

CvArr*dst,

doublethreshold,

doublemax_value,

intthreshold_type

);

函數(shù)說明：

第一個(gè)參數(shù)表示輸入圖像，必須為單通道灰度圖。

第二個(gè)參數(shù)表示輸出的邊緣圖像，為單通道黑白圖。

第三個(gè)參數(shù)表示閾值

第四個(gè)參數(shù)表示最大值。

第五個(gè)參數(shù)表示運(yùn)算方法。

在OpenCV的imgproc\types_c.h中可以找到運(yùn)算方法的定義。

/* Threshold types */

enum

{

CV_THRESH_BINARY =0, /* value = value > threshold ? max_value : 0 */

CV_THRESH_BINARY_INV =1, /* value = value > threshold ? 0 : max_value */

CV_THRESH_TRUNC =2, /* value = value > threshold ? threshold : value */

CV_THRESH_TOZERO =3, /* value = value > threshold ? value : 0 */

CV_THRESH_TOZERO_INV =4, /* value = value > threshold ? 0 : value */

CV_THRESH_MASK =7,

CV_THRESH_OTSU =8 /* use Otsu algorithm to choose the optimal threshold value; combine the flag with one of the above CV_THRESH_* values */

};

注釋已經(jīng)寫的很清楚了，因此不再用中文來表達(dá)了。

二. 示例程序代碼

下面給出對圖像進(jìn)行二值化的完整的源代碼：

[cpp] view plain copy print ?

//圖像的二值化
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
IplImage *g_pGrayImage = NULL;
IplImage *g_pBinaryImage = NULL;
const char *pstrWindowsBinaryTitle = "二值圖(http://blog.csdn.net/MoreWindows)";
void on_trackbar(int pos)
{
// 轉(zhuǎn)為二值圖
cvThreshold(g_pGrayImage, g_pBinaryImage, pos, 255, CV_THRESH_BINARY);
// 顯示二值圖
cvShowImage(pstrWindowsBinaryTitle, g_pBinaryImage);
}
int main( int argc, char** argv )
{
const char *pstrWindowsSrcTitle = "原圖(http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsToolBarName = "二值圖閾值";
// 從文件中加載原圖
IplImage *pSrcImage = cvLoadImage("002.jpg", CV_LOAD_IMAGE_UNCHANGED);
// 轉(zhuǎn)為灰度圖
g_pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
cvCvtColor(pSrcImage, g_pGrayImage, CV_BGR2GRAY);
// 創(chuàng)建二值圖
g_pBinaryImage = cvCreateImage(cvGetSize(g_pGrayImage), IPL_DEPTH_8U, 1);
// 顯示原圖
cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
cvShowImage(pstrWindowsSrcTitle, pSrcImage);
// 創(chuàng)建二值圖窗口
cvNamedWindow(pstrWindowsBinaryTitle, CV_WINDOW_AUTOSIZE);
// 滑動條
int nThreshold = 0;
cvCreateTrackbar(pstrWindowsToolBarName, pstrWindowsBinaryTitle, &nThreshold, 254, on_trackbar);
on_trackbar(1);
cvWaitKey(0);
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsBinaryTitle);
cvReleaseImage(&pSrcImage);
cvReleaseImage(&g_pGrayImage);
cvReleaseImage(&g_pBinaryImage);
return 0;
}

[cpp] view plain copy print ?

//圖像的二值化
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
IplImage *g_pGrayImage = NULL;
IplImage *g_pBinaryImage = NULL;
const char *pstrWindowsBinaryTitle = "二值圖(http://blog.csdn.net/MoreWindows)";
void on_trackbar(int pos)
{
// 轉(zhuǎn)為二值圖
cvThreshold(g_pGrayImage, g_pBinaryImage, pos, 255, CV_THRESH_BINARY);
// 顯示二值圖
cvShowImage(pstrWindowsBinaryTitle, g_pBinaryImage);
}
int main( int argc, char** argv )
{
const char *pstrWindowsSrcTitle = "原圖(http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsToolBarName = "二值圖閾值";
// 從文件中加載原圖
IplImage *pSrcImage = cvLoadImage("002.jpg", CV_LOAD_IMAGE_UNCHANGED);
// 轉(zhuǎn)為灰度圖
g_pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
cvCvtColor(pSrcImage, g_pGrayImage, CV_BGR2GRAY);
// 創(chuàng)建二值圖
g_pBinaryImage = cvCreateImage(cvGetSize(g_pGrayImage), IPL_DEPTH_8U, 1);
// 顯示原圖
cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
cvShowImage(pstrWindowsSrcTitle, pSrcImage);
// 創(chuàng)建二值圖窗口
cvNamedWindow(pstrWindowsBinaryTitle, CV_WINDOW_AUTOSIZE);
// 滑動條
int nThreshold = 0;
cvCreateTrackbar(pstrWindowsToolBarName, pstrWindowsBinaryTitle, &nThreshold, 254, on_trackbar);
on_trackbar(1);
cvWaitKey(0);
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsBinaryTitle);
cvReleaseImage(&pSrcImage);
cvReleaseImage(&g_pGrayImage);
cvReleaseImage(&g_pBinaryImage);
return 0;
}

運(yùn)行結(jié)果如下所示，讀者可以到下載源文件和程序（Release版本，不用安裝OpenCV也能使用），自己動手調(diào)試下閾值大小，看看生成的二值圖有什么變化。

OpenCV還有個(gè)cvAdaptiveThreshold()函數(shù)，這個(gè)函數(shù)會使用Otsu算法(大律法或最大類間方差法)（注1）來計(jì)算出一個(gè)全局閾值，然后根據(jù)這個(gè)閾值進(jìn)行二值化。當(dāng)然直接使用上一篇《【OpenCV入門指南】第三篇Canny邊緣檢測》中的cvCanny()函數(shù)也可以對圖像進(jìn)行二值化（想到怎么傳參數(shù)了嗎？）。

注1．調(diào)用cvThreshold()時(shí)傳入?yún)?shù)CV_THRESH_OTSU也是使用Otsu算法來自動生成一個(gè)閾值。

【OpenCV入門指南】第五篇輪廓檢測上

《【OpenCV入門指南】第三篇Canny邊緣檢測》中介紹了邊緣檢測，本篇介紹輪廓檢測，輪廓檢測的原理通俗的說就是掏空內(nèi)部點(diǎn)，比如原圖中有3*3的矩形點(diǎn)。那么就可以將中間的那一點(diǎn)去掉。

在OpenCV中使用輪廓檢測是非常方便。直接使用cvFindContours函數(shù)就能完成對圖像輪廓的檢測。下面就來看看這個(gè)函數(shù)的用法。

一．關(guān)鍵函數(shù)

1.1 cvFindContours

函數(shù)功能：對圖像進(jìn)行輪廓檢測，這個(gè)函數(shù)將生成一條鏈表以保存檢測出的各個(gè)輪廓信息，并傳出指向這條鏈表表頭的指針。

函數(shù)原型：

intcvFindContours(

CvArr*image,

CvMemStorage*storage,

CvSeq**first_contour, 　　

intheader_size=sizeof(CvContour),

intmode=CV_RETR_LIST,　　

intmethod=CV_CHAIN_APPROX_SIMPLE,

CvPointoffset=cvPoint(0,0)

);

函數(shù)說明：

第一個(gè)參數(shù)表示輸入圖像，必須為一個(gè)8位的二值圖像。圖像的二值化請參見《【OpenCV入門指南】第四篇圖像的二值化》。

第二參數(shù)表示存儲輪廓的容器。為CvMemStorage類型，定義在OpenCV的\core\types_c.h中。

第三個(gè)參數(shù)為輸出參數(shù)，這個(gè)參數(shù)將指向用來存儲輪廓信息的鏈表表頭。

第四個(gè)參數(shù)表示存儲輪廓鏈表的表頭大小，當(dāng)?shù)诹鶄€(gè)參數(shù)傳入CV_CHAIN_CODE時(shí)，要設(shè)置成sizeof(CvChain)，其它情況統(tǒng)一設(shè)置成sizeof(CvContour)。

第五個(gè)參數(shù)為輪廓檢測的模式，有如下取值：

CV_RETR_EXTERNAL：只檢索最外面的輪廓；

　　CV_RETR_LIST：檢索所有的輪廓，并將其保存到一條鏈表當(dāng)中；

　　CV_RETR_CCOMP：檢索所有的輪廓，并將他們組織為兩層：頂層是各部分的外部邊界，第二層是空洞的邊界；

CV_RETR_TREE：檢索所有的輪廓，并重構(gòu)嵌套輪廓的整個(gè)層次，可以參見下圖。

第六個(gè)參數(shù)用來表示輪廓邊緣的近似方法的，常用值如下所示：

CV_CHAIN_CODE：以Freeman鏈碼的方式輸出輪廓，所有其他方法輸出多邊形（頂點(diǎn)的序列）。

　　CV_CHAIN_APPROX_SIMPLE：壓縮水平的、垂直的和斜的部分，也就是，函數(shù)只保留他們的終點(diǎn)部分。

第七個(gè)參數(shù)表示偏移量，比如你要從圖像的（100, 0）開始進(jìn)行輪廓檢測，那么就傳入（100, 0）。

使用cvFindContours函數(shù)能檢測出圖像的輪廓，將輪廓繪制出來則需要另一函數(shù)——cvDrawContours來配合了。下面介紹cvDrawContours函數(shù)。

1.2 cvDrawContours

函數(shù)功能：在圖像上繪制外部和內(nèi)部輪廓

函數(shù)原型：

voidcvDrawContours(

CvArr *img,

CvSeq*contour,

CvScalarexternal_color,

CvScalarhole_color,

intmax_level,

intthickness=1,

intline_type=8,

CvPointoffset=cvPoint(0,0)

);

第一個(gè)參數(shù)表示輸入圖像，函數(shù)將在這張圖像上繪制輪廓。

第二個(gè)參數(shù)表示指向輪廓鏈表的指針。

第三個(gè)參數(shù)和第四個(gè)參數(shù)表示顏色，繪制時(shí)會根據(jù)輪廓的層次來交替使用這二種顏色。

第五個(gè)參數(shù)表示繪制輪廓的最大層數(shù)，如果是0，只繪制contour；如果是1，追加繪制和contour同層的所有輪廓；如果是2，追加繪制比contour低一層的輪廓，以此類推；如果值是負(fù)值，則函數(shù)并不繪制contour后的輪廓，但是將畫出其子輪廓，一直到abs(max_level) - 1層。

第六個(gè)參數(shù)表示輪廓線的寬度，如果為CV_FILLED則會填充輪廓內(nèi)部。

第七個(gè)參數(shù)表示輪廓線的類型。

第八個(gè)參數(shù)表示偏移量，如果傳入（10，20），那繪制將從圖像的（10，20）處開始。

二．示例程序代碼

下面用一個(gè)非常簡單的例子展示如何使用輪廓檢測。

[cpp] view plain copy print ?

//圖像的輪廓檢測上
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
int main( int argc, char** argv )
{
const char *pstrWindowsSrcTitle = "原圖(http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsOutLineTitle = "輪廓圖(http://blog.csdn.net/MoreWindows)";
const int IMAGE_WIDTH = 400;
const int IMAGE_HEIGHT = 200;
// 創(chuàng)建圖像
IplImage *pSrcImage = cvCreateImage(cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 3);
// 填充成白色
cvRectangle(pSrcImage, cvPoint(0, 0), cvPoint(pSrcImage->width, pSrcImage->height), CV_RGB(255, 255, 255), CV_FILLED);
// 畫圓
CvPoint ptCircleCenter = cvPoint(IMAGE_WIDTH / 4, IMAGE_HEIGHT / 2);
int nRadius = 80;
cvCircle(pSrcImage, ptCircleCenter, nRadius, CV_RGB(255, 255, 0), CV_FILLED);
ptCircleCenter = cvPoint(IMAGE_WIDTH / 4, IMAGE_HEIGHT / 2);
nRadius = 30;
cvCircle(pSrcImage, ptCircleCenter, nRadius, CV_RGB(255, 255, 255), CV_FILLED);
// 畫矩形
CvPoint ptLeftTop = cvPoint(IMAGE_WIDTH / 2 + 20, 20);
CvPoint ptRightBottom = cvPoint(IMAGE_WIDTH - 20, IMAGE_HEIGHT - 20);
cvRectangle(pSrcImage, ptLeftTop, ptRightBottom, CV_RGB(0, 255, 255), CV_FILLED);
ptLeftTop = cvPoint(IMAGE_WIDTH / 2 + 60, 40);
ptRightBottom = cvPoint(IMAGE_WIDTH - 60, IMAGE_HEIGHT - 40);
cvRectangle(pSrcImage, ptLeftTop, ptRightBottom, CV_RGB(255, 255, 255), CV_FILLED);
// 顯示原圖
cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
cvShowImage(pstrWindowsSrcTitle, pSrcImage);
// 轉(zhuǎn)為灰度圖
IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);
// 轉(zhuǎn)為二值圖
IplImage *pBinaryImage = cvCreateImage(cvGetSize(pGrayImage), IPL_DEPTH_8U, 1);
cvThreshold(pGrayImage, pBinaryImage, 250, 255, CV_THRESH_BINARY);
// 檢索輪廓并返回檢測到的輪廓的個(gè)數(shù)
CvMemStorage *pcvMStorage = cvCreateMemStorage();
CvSeq *pcvSeq = NULL;
cvFindContours(pBinaryImage, pcvMStorage, &pcvSeq, sizeof(CvContour), CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0));
// 畫輪廓圖
IplImage *pOutlineImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 3);
int nLevels = 5;
// 填充成白色
cvRectangle(pOutlineImage, cvPoint(0, 0), cvPoint(pOutlineImage->width, pOutlineImage->height), CV_RGB(255, 255, 255), CV_FILLED);
cvDrawContours(pOutlineImage, pcvSeq, CV_RGB(255,0,0), CV_RGB(0,255,0), nLevels, 2);
// 顯示輪廓圖
cvNamedWindow(pstrWindowsOutLineTitle, CV_WINDOW_AUTOSIZE);
cvShowImage(pstrWindowsOutLineTitle, pOutlineImage);
cvWaitKey(0);
cvReleaseMemStorage(&pcvMStorage);
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsOutLineTitle);
cvReleaseImage(&pSrcImage);
cvReleaseImage(&pGrayImage);
cvReleaseImage(&pBinaryImage);
cvReleaseImage(&pOutlineImage);
return 0;
}

[cpp] view plain copy print ?

//圖像的輪廓檢測上
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
int main( int argc, char** argv )
{
const char *pstrWindowsSrcTitle = "原圖(http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsOutLineTitle = "輪廓圖(http://blog.csdn.net/MoreWindows)";
const int IMAGE_WIDTH = 400;
const int IMAGE_HEIGHT = 200;
// 創(chuàng)建圖像
IplImage *pSrcImage = cvCreateImage(cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 3);
// 填充成白色
cvRectangle(pSrcImage, cvPoint(0, 0), cvPoint(pSrcImage->width, pSrcImage->height), CV_RGB(255, 255, 255), CV_FILLED);
// 畫圓
CvPoint ptCircleCenter = cvPoint(IMAGE_WIDTH / 4, IMAGE_HEIGHT / 2);
int nRadius = 80;
cvCircle(pSrcImage, ptCircleCenter, nRadius, CV_RGB(255, 255, 0), CV_FILLED);
ptCircleCenter = cvPoint(IMAGE_WIDTH / 4, IMAGE_HEIGHT / 2);
nRadius = 30;
cvCircle(pSrcImage, ptCircleCenter, nRadius, CV_RGB(255, 255, 255), CV_FILLED);
// 畫矩形
CvPoint ptLeftTop = cvPoint(IMAGE_WIDTH / 2 + 20, 20);
CvPoint ptRightBottom = cvPoint(IMAGE_WIDTH - 20, IMAGE_HEIGHT - 20);
cvRectangle(pSrcImage, ptLeftTop, ptRightBottom, CV_RGB(0, 255, 255), CV_FILLED);
ptLeftTop = cvPoint(IMAGE_WIDTH / 2 + 60, 40);
ptRightBottom = cvPoint(IMAGE_WIDTH - 60, IMAGE_HEIGHT - 40);
cvRectangle(pSrcImage, ptLeftTop, ptRightBottom, CV_RGB(255, 255, 255), CV_FILLED);
// 顯示原圖
cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
cvShowImage(pstrWindowsSrcTitle, pSrcImage);
// 轉(zhuǎn)為灰度圖
IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);
// 轉(zhuǎn)為二值圖
IplImage *pBinaryImage = cvCreateImage(cvGetSize(pGrayImage), IPL_DEPTH_8U, 1);
cvThreshold(pGrayImage, pBinaryImage, 250, 255, CV_THRESH_BINARY);
// 檢索輪廓并返回檢測到的輪廓的個(gè)數(shù)
CvMemStorage *pcvMStorage = cvCreateMemStorage();
CvSeq *pcvSeq = NULL;
cvFindContours(pBinaryImage, pcvMStorage, &pcvSeq, sizeof(CvContour), CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0));
// 畫輪廓圖
IplImage *pOutlineImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 3);
int nLevels = 5;
// 填充成白色
cvRectangle(pOutlineImage, cvPoint(0, 0), cvPoint(pOutlineImage->width, pOutlineImage->height), CV_RGB(255, 255, 255), CV_FILLED);
cvDrawContours(pOutlineImage, pcvSeq, CV_RGB(255,0,0), CV_RGB(0,255,0), nLevels, 2);
// 顯示輪廓圖
cvNamedWindow(pstrWindowsOutLineTitle, CV_WINDOW_AUTOSIZE);
cvShowImage(pstrWindowsOutLineTitle, pOutlineImage);
cvWaitKey(0);
cvReleaseMemStorage(&pcvMStorage);
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsOutLineTitle);
cvReleaseImage(&pSrcImage);
cvReleaseImage(&pGrayImage);
cvReleaseImage(&pBinaryImage);
cvReleaseImage(&pOutlineImage);
return 0;
}

運(yùn)行結(jié)果如下圖所示：

由圖可以看出，輪廓線已經(jīng)按層次交替的繪制成功了，讀者可以修改程序中的cvDrawContours中的nLevels參數(shù)，看看圖形會有什么變化。

OpenCV入門指南】第六篇輪廓檢測下

上一篇《【OpenCV入門指南】第五篇輪廓檢測上》介紹了cvFindContours函數(shù)和cvDrawContours函數(shù)，并作了一個(gè)簡單的使用示范。本篇將展示一個(gè)實(shí)例，讓大家對輪廓檢測有個(gè)更加深入的認(rèn)識。

代碼如下：

[cpp] view plain copy print ?

//圖像的輪廓檢測下
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
IplImage *g_pGrayImage = NULL;
const char *pstrWindowsBinaryTitle = "二值圖(http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsOutLineTitle = "輪廓圖(http://blog.csdn.net/MoreWindows)";
CvSeq *g_pcvSeq = NULL;
void on_trackbar(int pos)
{
// 轉(zhuǎn)為二值圖
IplImage *pBinaryImage = cvCreateImage(cvGetSize(g_pGrayImage), IPL_DEPTH_8U, 1);
cvThreshold(g_pGrayImage, pBinaryImage, pos, 255, CV_THRESH_BINARY);
// 顯示二值圖
cvShowImage(pstrWindowsBinaryTitle, pBinaryImage);
CvMemStorage* cvMStorage = cvCreateMemStorage();
// 檢索輪廓并返回檢測到的輪廓的個(gè)數(shù)
cvFindContours(pBinaryImage,cvMStorage, &g_pcvSeq);
IplImage *pOutlineImage = cvCreateImage(cvGetSize(g_pGrayImage), IPL_DEPTH_8U, 3);
int _levels = 5;
cvZero(pOutlineImage);
cvDrawContours(pOutlineImage, g_pcvSeq, CV_RGB(255,0,0), CV_RGB(0,255,0), _levels);
cvShowImage(pstrWindowsOutLineTitle, pOutlineImage);
cvReleaseMemStorage(&cvMStorage);
cvReleaseImage(&pBinaryImage);
cvReleaseImage(&pOutlineImage);
}
int main( int argc, char** argv )
{
const char *pstrWindowsSrcTitle = "原圖(http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsToolBarName = "二值化";
// 從文件中加載原圖
IplImage *pSrcImage = cvLoadImage("003.jpg", CV_LOAD_IMAGE_UNCHANGED);
// 顯示原圖
cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
cvShowImage(pstrWindowsSrcTitle, pSrcImage);
// 轉(zhuǎn)為灰度圖
g_pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
cvCvtColor(pSrcImage, g_pGrayImage, CV_BGR2GRAY);
// 創(chuàng)建二值圖和輪廓圖窗口
cvNamedWindow(pstrWindowsBinaryTitle, CV_WINDOW_AUTOSIZE);
cvNamedWindow(pstrWindowsOutLineTitle, CV_WINDOW_AUTOSIZE);
// 滑動條
int nThreshold = 0;
cvCreateTrackbar(pstrWindowsToolBarName, pstrWindowsBinaryTitle, &nThreshold, 254, on_trackbar);
on_trackbar(1);
cvWaitKey(0);
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsBinaryTitle);
cvDestroyWindow(pstrWindowsOutLineTitle);
cvReleaseImage(&pSrcImage);
cvReleaseImage(&g_pGrayImage);
return 0;
}

[cpp] view plain copy print ?

//圖像的輪廓檢測下
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
IplImage *g_pGrayImage = NULL;
const char *pstrWindowsBinaryTitle = "二值圖(http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsOutLineTitle = "輪廓圖(http://blog.csdn.net/MoreWindows)";
CvSeq *g_pcvSeq = NULL;
void on_trackbar(int pos)
{
// 轉(zhuǎn)為二值圖
IplImage *pBinaryImage = cvCreateImage(cvGetSize(g_pGrayImage), IPL_DEPTH_8U, 1);
cvThreshold(g_pGrayImage, pBinaryImage, pos, 255, CV_THRESH_BINARY);
// 顯示二值圖
cvShowImage(pstrWindowsBinaryTitle, pBinaryImage);
CvMemStorage* cvMStorage = cvCreateMemStorage();
// 檢索輪廓并返回檢測到的輪廓的個(gè)數(shù)
cvFindContours(pBinaryImage,cvMStorage, &g_pcvSeq);
IplImage *pOutlineImage = cvCreateImage(cvGetSize(g_pGrayImage), IPL_DEPTH_8U, 3);
int _levels = 5;
cvZero(pOutlineImage);
cvDrawContours(pOutlineImage, g_pcvSeq, CV_RGB(255,0,0), CV_RGB(0,255,0), _levels);
cvShowImage(pstrWindowsOutLineTitle, pOutlineImage);
cvReleaseMemStorage(&cvMStorage);
cvReleaseImage(&pBinaryImage);
cvReleaseImage(&pOutlineImage);
}
int main( int argc, char** argv )
{
const char *pstrWindowsSrcTitle = "原圖(http://blog.csdn.net/MoreWindows)";
const char *pstrWindowsToolBarName = "二值化";
// 從文件中加載原圖
IplImage *pSrcImage = cvLoadImage("003.jpg", CV_LOAD_IMAGE_UNCHANGED);
// 顯示原圖
cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
cvShowImage(pstrWindowsSrcTitle, pSrcImage);
// 轉(zhuǎn)為灰度圖
g_pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
cvCvtColor(pSrcImage, g_pGrayImage, CV_BGR2GRAY);
// 創(chuàng)建二值圖和輪廓圖窗口
cvNamedWindow(pstrWindowsBinaryTitle, CV_WINDOW_AUTOSIZE);
cvNamedWindow(pstrWindowsOutLineTitle, CV_WINDOW_AUTOSIZE);
// 滑動條
int nThreshold = 0;
cvCreateTrackbar(pstrWindowsToolBarName, pstrWindowsBinaryTitle, &nThreshold, 254, on_trackbar);
on_trackbar(1);
cvWaitKey(0);
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsBinaryTitle);
cvDestroyWindow(pstrWindowsOutLineTitle);
cvReleaseImage(&pSrcImage);
cvReleaseImage(&g_pGrayImage);
return 0;
}

程序運(yùn)行結(jié)果如下所示：

可以明顯看出，由于圖像的二值化處理只是根據(jù)圖像中單個(gè)像素的值來決定，因此這種最簡單輪廓檢測所產(chǎn)生的結(jié)果和人眼觀測的實(shí)際感覺肯定是有比較大的區(qū)別的。

輪廓檢測另外還有一個(gè)重要的函數(shù)cvApproxPoly，它的函數(shù)原型如下所示

CVAPI(CvSeq*) cvApproxPoly(

constvoid* src_seq,

intheader_size,

CvMemStorage*storage,

intmethod,

doubleparameter,

intparameter2 CV_DEFAULT(0)

);

cvApproxPoly的學(xué)習(xí)

這是一個(gè)輪廓的多邊形輪廓逼近函數(shù)，這個(gè)函數(shù)用指定精度逼近一個(gè)或多個(gè) 曲線，并返回逼近結(jié)果。一開始覺得這個(gè)函數(shù)沒什么必要，因?yàn)槿绻皇且唵蔚奶崛『惋@示圖像輪廓的話只要cvFindContours函數(shù)就夠了，那么為什么還要這個(gè)函數(shù)呢？后來百度了下，在opencv論壇上找到了答案。

首先，輪廓的多邊形逼近指的是：使用多邊形來近似表示一個(gè)輪廓。其次，多邊形逼近的目的是為了減少輪廓的頂點(diǎn)數(shù)目。但多邊形逼近的結(jié)果依然是一個(gè)輪廓，只是這個(gè)輪廓相對要粗曠一些。

下面看下測試代碼：

#include<cv.h>

#include<highgui.h>
int main()
{
IplImage* src = NULL;
IplImage* img = NULL;
IplImage* dst = NULL;
CvMemStorage* storage = cvCreateMemStorage (0);
CvMemStorage* storage1 = cvCreateMemStorage (0);
CvSeq* contour = 0;
CvSeq* cont;
CvSeq* mcont;
src = cvLoadImage ("8.jpg", 1);
img = cvCreateImage (cvGetSize(src), IPL_DEPTH_8U, 1);
dst = cvCreateImage (cvGetSize(src), src->depth, src->nChannels);
cvCvtColor (src, img, CV_BGR2GRAY);
cvThreshold (img, img, 100, 200, CV_THRESH_BINARY);
cvFindContours (img, storage, &contour, sizeof(CvContour), CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE);
if (contour)
{
CvTreeNodeIterator iterator;
cvInitTreeNodeIterator (&iterator, contour, 1);
while (0 != (cont = (CvSeq*)cvNextTreeNode (&iterator)))
{
mcont = cvApproxPoly (cont, sizeof(CvContour), storage1, CV_POLY_APPROX_DP, cvContourPerimeter(cont)*0.02,0);
cvDrawContours (dst, mcont, CV_RGB(255,0,0),CV_RGB(0,0,100),1,2,8,cvPoint(0,0));
}
}
cvNamedWindow ("Contour", 1);
cvShowImage ("Contour", dst);
cvWaitKey (0);
cvReleaseMemStorage (&storage);
cvReleaseImage (&src);
cvReleaseImage (&img);
cvReleaseImage (&dst);
return 0;
}

[cpp] view plain copy print ?

#include<cv.h>
#include<highgui.h>
int main()
{
IplImage* src = NULL;
IplImage* img = NULL;
IplImage* dst = NULL;
CvMemStorage* storage = cvCreateMemStorage (0);
CvMemStorage* storage1 = cvCreateMemStorage (0);
CvSeq* contour = 0;
CvSeq* cont;
CvSeq* mcont;
src = cvLoadImage ("8.jpg", 1);
img = cvCreateImage (cvGetSize(src), IPL_DEPTH_8U, 1);
dst = cvCreateImage (cvGetSize(src), src->depth, src->nChannels);
cvCvtColor (src, img, CV_BGR2GRAY);
cvThreshold (img, img, 100, 200, CV_THRESH_BINARY);
cvFindContours (img, storage, &contour, sizeof(CvContour), CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE);
if (contour)
{
CvTreeNodeIterator iterator;
cvInitTreeNodeIterator (&iterator, contour, 1);
while (0 != (cont = (CvSeq*)cvNextTreeNode (&iterator)))
{
mcont = cvApproxPoly (cont, sizeof(CvContour), storage1, CV_POLY_APPROX_DP, cvContourPerimeter(cont)*0.02,0);
cvDrawContours (dst, mcont, CV_RGB(255,0,0),CV_RGB(0,0,100),1,2,8,cvPoint(0,0));
}
}
cvNamedWindow ("Contour", 1);
cvShowImage ("Contour", dst);
cvWaitKey (0);
cvReleaseMemStorage (&storage);
cvReleaseImage (&src);
cvReleaseImage (&img);
cvReleaseImage (&dst);
return 0;
}

源圖：

多邊形逼近的結(jié)果圖：直接用cvFindContours得到的輪廓圖

對比兩個(gè)圖（輪廓顏色不用管），可以發(fā)現(xiàn)多邊形逼近的結(jié)果確實(shí)相對粗曠點(diǎn)。

本站是提供個(gè)人知識管理的網(wǎng)絡(luò)存儲空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來自： BeautymengRoom > 《OpenCV》

舉報(bào)/認(rèn)領(lǐng)