選擇輪廓(select_shape)

選擇輪廓(select_shape)

    

    Halcon是一款運用廣泛的圖像識別和處理軟件。在膚淺的接觸中，它的輪廓選擇算子(select_shape)給予我很深的印象。結果是往往幾行代碼就能夠產生很好的效果：

      比如要得到這樣的結果

       只需要

read_image (Image1, 'F:/未來項目/鋼管識別/FindTube/FindTube/1.jpg')
rgb1_to_gray (Image1, GrayImage)
threshold (GrayImage, Regions, 43, 111)
connection (Regions, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 150, 666)
select_shape (SelectedRegions, SelectedRegions1, 'circularity', 'and', 0. 45, 1)

      當然Halcon是在背后做了許多工作的。

      幾行代碼中，比較重要的是算子就是"select_shape"。這個算子的參數很多，我也就比較熟悉這兩種。

      如果我想在Opencv中也要這樣的結果，就需要自己動手嘗試實現。實現過程中我采用了類似的函數名表示敬意。

// selectshape.cpp : 選擇輪廓
// by: jsxyhelu(1755311380)
# include  "stdafx.h"
# include  <iostream >
# include  "opencv2/core/core.hpp"
# include  "opencv2/highgui/highgui.hpp"
# include  "opencv2/imgproc/imgproc.hpp"
using  namespace std;
using  namespace cv;
# define  VP  vector <Point >   //用VP符號代替 vector<point>
RNG  rng( 12345    );
//帶有上下限的threshold
void threshold2(Mat gray,Mat & thresh, int minvalue, int maxvalue)
{
    Mat thresh1;
    Mat thresh2;
    threshold(gray,thresh1, 43, 255, THRESH_BINARY);
    threshold(gray,thresh2, 111, 255,THRESH_BINARY_INV);
    thresh  = thresh1  & thresh2;
}
//尋找並繪制出聯通區域
vector <VP > connection2(Mat src,Mat & draw)
{    
    draw  = Mat : :zeros(src.rows,src.cols,CV_8UC3);
    vector <VP >contours;    
    findContours(src,contours,CV_RETR_LIST,CV_CHAIN_APPROX_SIMPLE);
     for ( int i = 0;i <contours.size();i ++)
    {
        Scalar  color   = Scalar(rng.uniform( 0, 255),rng.uniform( 0, 255),rng.uniform( 0, 255));
        drawContours(draw,contours,i,color, - 1);
    }
     return contours;
}
//select_shape
vector <VP >  selectShapeArea(Mat src,Mat & draw,vector <VP > contours, int minvalue, int maxvalue)
{
    vector <VP > result_contours;
    draw  = Mat : :zeros(src.rows,src.cols,CV_8UC3);
     for ( int i = 0;i <contours.size();i ++)
    { 
         int countour_area  = contourArea(contours[i]);
         if (countour_area  >minvalue  && countour_area <maxvalue)
        {
            result_contours.push_back(contours[i]);
        }
    }
     for ( int i = 0;i <result_contours.size();i ++)
    {
        Scalar  color   = Scalar(rng.uniform( 0, 255),rng.uniform( 0, 255),rng.uniform( 0, 255));
        drawContours(draw,result_contours,i,color, - 1);
    }
     return result_contours;
}
//計算輪廓的圓的特性
float calculateCircularity(VP contour)
{
    Point2f center;
     float radius  =  0;
    minEnclosingCircle((Mat)contour,center,radius);
     //以最小外接圓半徑作為數學期望，計算輪廓上各點到圓心距離的標准差
     float fsum  =  0;
     float fcompare  =  0;
     for ( int i = 0;i <contour.size();i ++)
    {   
        Point2f ptmp  = contour[i];
         float fdistenct  = sqrt(( float)((ptmp.x  - center.x) *(ptmp.x  - center.x) +(ptmp.y  - center.y) *(ptmp.y -center.y)));
         float fdiff  = abs(fdistenct  - radius);
        fsum  = fsum  + fdiff;
    }
    fcompare  = fsum /( float)contour.size();
     return fcompare;
}
//select_shape
vector <VP > selectShapeCircularity(Mat src,Mat & draw,vector <VP > contours, float minvalue, float maxvalue)
{
    vector <VP > result_contours;
    draw  = Mat : :zeros(src.rows,src.cols,CV_8UC3);
     for ( int i = 0;i <contours.size();i ++)
    {
         float fcompare  = calculateCircularity(contours[i]);
         if (fcompare  > =minvalue  && fcompare  < =maxvalue)
        {
            result_contours.push_back(contours[i]);
        }
    }
     for ( int i = 0;i <result_contours.size();i ++)
    {
        Scalar  color   = Scalar(rng.uniform( 0, 255),rng.uniform( 0, 255),rng.uniform( 0, 255));
        drawContours(draw,result_contours,i,color, - 1);
    }
     return result_contours;
}
int _tmain( int argc, _TCHAR * argv[])
{    
    Mat src;
    Mat gray;
    Mat thresh;
    Mat draw_connection;
    Mat draw_area;
    Mat draw_circle;
    vector <VP >contours_connection;    
    vector <VP >contours_area;
    vector <VP >contours_circle;
    vector <VP >contours_tmp;
     //read_image (Image1, 'F:/未來項目/鋼管識別/FindTube/FindTube/1.jpg')
    src  = imread( "1.jpg");
     //rgb1_to_gray (Image1, GrayImage)
    cvtColor(src,gray,COLOR_BGR2GRAY);
     //threshold (GrayImage, Regions, 43, 111)
    threshold2(gray,thresh, 43, 111);
     //connection (Regions, ConnectedRegions)
    contours_connection  = connection2(thresh.clone(),draw_connection);
     //select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 150, 666)
    contours_area  = selectShapeArea(thresh.clone(),draw_area,contours_connection, 150, 666);
     //select_shape (SelectedRegions, SelectedRegions1, 'circularity', 'and', 0.45, 1)
    contours_circle  = selectShapeCircularity(thresh.clone(),draw_circle,contours_area, 1, 6);
     //顯示結果
    imshow( "src",src);
    imshow( "thresh",thresh);
    imshow( "draw_connection",draw_connection);
    imshow( "draw_area",draw_area);
    imshow( "draw_circle",draw_circle);
    waitKey();
}

結果如下，這段代碼中還有一個問題，就是計算輪廓圓的性質的方法，我這里采用的是自己想出來的方法，似乎不是很完善，需要進一步找到資料才修正。

 

       

 

 

來自為知筆記(Wiz)