OpenCV——識別各省份地圖輪廓

好久沒有發OpenCV的博客了，最近想到了一個識別地圖輪廓的方案，就寫來試試。（識別中國的28個省份地圖輪廓，不考慮直轄市）

首先，我的基本思路是  用最小的矩形將地圖的輪廓圈出來，可以根據長方形的長寬比判斷，也可將其縮放至特定的大小，計算其輪廓上的像素個數來判斷。

缺點：用攝像頭讀取圖片時，使用這種方法會有一些誤差。

也可以ANN訓練識別，但是這樣做效率低。

 

step 1. 讀取圖片、處理圖像

Mat src = imread("12.jpg");
Mat grayImage;    
cvtColor(src, grayImage, CV_BGR2GRAY);
threshold(grayImage, grayImage, 48, 255, CV_THRESH_BINARY);
imshow("grayImage", grayImage);

問題來了，處理圖片后的grayImage根本無法顯示，結果為一張灰色的圖片。

最后發現，因為大意，程序的最后沒有加 cvWaitKey(0); 這句話，因此圖片無法顯示。

step 2. 尋找輪廓並畫出

#include <opencv2/opencv.hpp>  
#include <iostream>
using namespace cv;
using namespace std;

int main()
{
    Mat src = imread("timg.jpg");
    Mat grayImage, dstImage;
    src.copyTo(dstImage);

    int g_nStructElementSize = 1; //結構元素(內核矩陣)的尺寸 
    //獲取自定義核  
    Mat element = getStructuringElement(MORPH_RECT,
        Size(2 * g_nStructElementSize + 1, 2 * g_nStructElementSize + 1),
        Point(g_nStructElementSize, g_nStructElementSize));
    erode(src, src, element);
    cvtColor(src, grayImage, CV_BGR2GRAY);
    threshold(grayImage, grayImage, 48, 255, CV_THRESH_BINARY);
    imshow("2dst", grayImage);

    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(grayImage, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
    int i = 0;
    Point2f pp[5][4];
    vector<vector<Point>>::iterator It;
    Rect rect[10];
    for (It = contours.begin(); It < contours.end(); It++){                        //畫出包圍輪廓的最小矩形
        Point2f vertex[4];
        rect[i] = boundingRect(*It);
        vertex[0] = rect[i].tl();                                                           //矩陣左上角的點
        vertex[1].x = (float)rect[i].tl().x, vertex[1].y = (float)rect[i].br().y;           //矩陣左下方的點
        vertex[2] = rect[i].br();                                                           //矩陣右下角的點
        vertex[3].x = (float)rect[i].br().x, vertex[3].y = (float)rect[i].tl().y;           //矩陣右上方的點

        for (int j = 0; j < 4; j++)
            line(dstImage, vertex[j], vertex[(j + 1) % 4], Scalar(0, 0, 255), 1);
    }
    imshow("dst", dstImage);
    cvWaitKey(0);
    return 0;
}

結果發現根本找不到輪廓，最后發現原來是threshold函數參數設置錯誤，參數應如下：

threshold(grayImage, grayImage,48,255, THRESH_BINARY_INV);

同時由於地圖邊框線太細，應當先腐蝕圖像，再二值化：

    int g_nStructElementSize = 1; //結構元素(內核矩陣)的尺寸 
    ///獲取自定義核  
    Mat element = getStructuringElement(MORPH_RECT,
        Size(2 * g_nStructElementSize + 1, 2 * g_nStructElementSize + 1),
        Point(g_nStructElementSize, g_nStructElementSize));
    erode(src, src, element);

step 3. 收集地圖的數據后，用10個省得數據來檢測

最后在不斷的探索中，發現有兩個數據可以作為一個地圖的特征，即輪廓長寬比和輪廓面積與圖片的像素數之比。

最后的代碼如下：

#include <opencv2/opencv.hpp>  
#include <iostream>
#include <math.h>
using namespace cv;
using namespace std;

Mat result;
const double cha = 0.02;   //可接受范圍的誤差

bool compare(double a, double b)
{
    if (abs(a - b) < cha){
        return true;
    }
    return false;
}

bool result_output(double rate1,double rate2)
{
    if (compare(rate1, (double)172 / 96) && compare(rate2, 0.171524)){
        cout << "陝西省" << endl;
        return true;
    }
    if (compare(rate1, (double)172 / 143) && compare(rate2, 0.270173)){
        cout << "安徽省" << endl;
        return true;
    }
    if (compare(rate1, (double)154 / 123) && compare(rate2, 0.230148)){
        cout << "福建省" << endl;
        return true;
    }
    if (compare(rate1, (double)170 / 190) && compare(rate2, 0.132584)){
        cout << "甘肅省" << endl;
        return true;
    }
    if (compare(rate1, (double)155 / 208) && compare(rate2, 0.200146)){
        cout << "廣東省" << endl;
        return true;
    }
    if (compare(rate1, (double)129 / 180) && compare(rate2, 0.22718)){
        cout <<"廣西壯族自治區" << endl;
        return true;
    }
    if (compare(rate1, (double)118 / 145) && compare(rate2, 0.219451)){
        cout << "貴州省" << endl;
        return true;
    }
    if (compare(rate1, (double)77 / 96) && compare(rate2, 0.196616)){
        cout << "海南省" << endl;
        return true;
    }
    if (compare(rate1, (double)162 / 119) && compare(rate2, 0.247134)){
        cout << "河北省" << endl;
        return true;
    }
    if (compare(rate1, (double)125 / 135) && compare(rate2, 0.176323)){
        cout << "河南省" << endl;
        return true;
    }
    cout << "無法檢測" << endl;
    return false;
}
int main()
{
    Mat src = imread("1.jpg");
    Mat grayImage, dstImage;
    src.copyTo(dstImage);

    int g_nStructElementSize = 1; //結構元素(內核矩陣)的尺寸 
    ///獲取自定義核  
    Mat element = getStructuringElement(MORPH_RECT,
        Size(2 * g_nStructElementSize + 1, 2 * g_nStructElementSize + 1),
        Point(g_nStructElementSize, g_nStructElementSize));
    erode(src, src, element);
    cvtColor(src, grayImage, CV_BGR2GRAY);
    blur(grayImage, grayImage, Size(3, 3));
    threshold(grayImage, grayImage,48,255, THRESH_BINARY_INV);
    grayImage.copyTo(result);

    vector< vector<Point> > contours;
    vector<Vec4i> hierarchy;
    findContours(grayImage, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
    drawContours(dstImage, contours, -1, (255, 255, 255));
    vector<Point> point = contours[0];

    Rect rect = boundingRect(point);
    Point2f vertex[4];
    vertex[0] = rect.tl();
    vertex[1].x = (float)rect.tl().x, vertex[1].y = (float)rect.br().y;
    vertex[2] = rect.br();
    vertex[3].x = (float)rect.br().x, vertex[3].y = (float)rect.tl().y; 
    for (int j = 0; j < 4; j++)
        line(dstImage, vertex[j], vertex[(j + 1) % 4], Scalar(0, 0, 255), 1);
    int x = rect.x, y = rect.y;
    int h = rect.height, w = rect.width;
    double rate = (double)h / w;
    cout << "height：" << h << endl;
    cout << "width：" << w << endl;
    cout << "h / w：" << rate << endl;
    double area = contourArea(point, false);
    double sum = grayImage.cols * grayImage.rows;
    cout << "面積：" << area << endl;
    cout << "面積比：" << area / sum << endl;
    
    imshow("show", dstImage);
    result_output(rate, area / sum);
    
    cvWaitKey(0);
    return 0;
}

 最后發現一個問題，由於需要通過攝像頭檢測地圖，圖片可能會有一定角度的傾斜，因此應將Rect換成RotatedRect。

    RotatedRect  rect = minAreaRect(point);
    Point2f vertex[4];
    rect.points(vertex);
    for (int j = 0; j < 4; j++)
        line(dstImage, vertex[j], vertex[(j + 1) % 4], Scalar(0, 0, 255), 1);

    int h = rect.size.height, w = rect.size.width;