opencv實戰——復雜背景下尋找物體輪廓（底帽）

摘要

這套算法首先解決了在復雜背景下輪廓提取的問題，而且我認為也是穩健魯棒的。其中，算法中除了經典的“hsv分解->ostu閾值->最大輪廓標注”外，最為關鍵的算法為底帽去光差。這個算法來自於岡薩雷斯《數字圖像處理教程》形態學篇章，完全按照書本建議實現，體現良好作用。

---

 一、問題提出

這是一個來自"answerOpenCV"（http://answers.opencv.org/question/200422/opencv-c-filling-holes/）整編如下：

title：OpenCV / C++ - Filling holes

content:

Hello there,

For a personnel projet, I'm trying to detect object and there shadow. These are the result I have for now: Original: 

 二、問題分析

從原始圖片上來看，這張圖片的拍攝的背景比較復雜，此外光照也存在偏光現象；而提問者雖然提出的是“將縫隙合並”的要求，實際上他還是想得到目標物體的准確輪廓。

三、問題解決

整體思路：（思路很重要！！！）

1. 讀入圖像，轉成hsv空間
2. 對h通道圖像底帽運算
3. 二值化
4. 尋找輪廓，並篩選顯示

opencv實現：

    Mat moveLightDiff(Mat src, int radius);
    Mat src = imread("D:/opencv練習圖片/復雜背景下提取輪廓.png");
    imshow("原始圖", src);
    Mat src_hsv,src_h,src_s, src_v,src_tophat,src_bin;
    cvtColor(src, src_hsv, COLOR_RGB2HSV);
    vector<Mat> rgb_planes;
    split(src_hsv, rgb_planes);
    src_h = rgb_planes[0]; 
    imshow("H通道", src_h);
    Mat kernel = getStructuringElement(MORPH_RECT, Size(30, 30), Point(-1, -1));
    morphologyEx(src_h, src_h, MORPH_BLACKHAT, kernel, Point(-1, -1));
    imshow("BLACKPHAT", src_h);
    threshold(src_h, src_bin, 100, 255, THRESH_OTSU);
    imshow("二值化", src_bin);
    int max = 0;
    int index = -1;
    vector<vector<Point> >contours;
    findContours(src_bin, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
    for (int i = 0; i < contours.size(); i++) {
        int area= contourArea(contours[i]);
        if (max < area) {
            index = i;
            max = area;
        }
    }
    drawContours(src, contours, index, Scalar(0, 0, 255), 2);
    imshow("顯示輪廓", src);

 

---

 頂帽運算與底帽運算的理解和分析

頂帽變換和底帽（黑帽）變換屬於圖像形態學處理的一種，可用於校正不均勻光照的影響。

• 頂帽變換用於凸顯暗背景上的亮物體。（也可叫白帽）

• 底帽變換用於凸顯亮背景上的暗物體。（也可叫黑帽）

 如上圖所示。當圖像各部分光照不均勻造成的背景灰度不均現象，單純用二值化處理效果不好就可以用頂帽（底帽）處理。由於原圖是背景亮，前景暗，對原圖進行底帽變換以解決光照不均勻的問題。

 直接對h通道二值化效果：

 先底帽矯正后再二值化效果：

 

 摘錄於尋找復雜背景下物體的輪廓（OpenCV / C++ - Filling holes） - jsxyhelu - 博客園 (cnblogs.com)