本文是51CTO部落格作者Ronny的文章，原文地址：http://blog.51cto.com/ronny/1394139

轉載：http://mobile.51cto.com/aengine-435442.htm

基於內容的影象分析的重點是提取出影象中具有代表性的特徵，而線條、輪廓、塊往往是最能體現特徵的幾個元素，這篇文章就針對於這幾個重要的影象特徵，研究它們在OpenCV中的用法，以及做一些簡單的基礎應用。

一、Canny檢測輪廓

在 上一篇文章中有提到sobel邊緣檢測，並重寫了soble的C++程式碼讓其與matlab中演算法效果一致，而soble邊緣檢測是基於單一閾值的，我們 不能兼顧到低閾值的豐富邊緣和高閾值時的邊緣缺失這兩個問題。而canny運算元則很好的彌補了這一不足，從目前看來，canny邊緣檢測在做影象輪廓提取 方面是最優秀的邊緣檢測演算法。

canny邊緣檢測採用雙閾值值法，高閾值用來檢測影象中重要的、顯著的線條、輪廓等，而低閾值用來保證不丟失細節部分，低閾值檢測出來的邊緣更豐富，但是很多邊緣並不是我們關心的。最後採用一種查詢演算法，將低閾值中與高閾值的邊緣有重疊的線條保留，其他的線條都刪除。

本篇文章中不對canny的演算法原理作進一步說明，稍後會在影象處理演算法相關的文章中詳細介紹。

下面我們用OpenCV中的Canny函式來檢測影象邊緣

1. int main() 
2. { 
3.     Mat I=imread("../cat.png"); 
4.     cvtColor(I,I,CV_BGR2GRAY); 
5.     Mat contours; 
6.     Canny(I,contours,125,350); 
7.     threshold(contours,contours,128,255,THRESH_BINARY); 
8.     namedWindow("Canny"); 
9.     imshow("Canny",contours); 
10.     waitKey(); 
11.     return 0; 
12. } 

顯示效果如下:

二、直線檢測

直線在影象中出現的頻率非常之高，而直線作為影象的特徵對於基本內容的影象分析有著很重要的作用，本文通過OpenCV中的hough變換來檢測影象中的線條。

我們先看最基本的Hough變換函式HoughLines，它的原型如下：

1. void HoughLines(InputArray image, OutputArray lines, double rho, double theta, int threshold, double srn=0, double stn=0 ); 

它的輸入是一個二值的輪廓影象，往往是邊緣檢測得到的結果影象；它的輸出是一個包含多個Vec2f點的陣列，陣列中的每個元素是一個二元浮點資料 對<rou,theta>，rou代表直線離座標原點的距離，theta代表角度。第3和第4個引數代表步長，因為Hough變換實際上是一 個窮舉的演算法，rho表示距離的步長，theta代表角度的步長。第5個引數是一個閾值設定直接的最低投票個數，知道Hough原理的，這個引數應該很容 易理解。

從 這個函式的輸出結果我們可以看出，得到的直線並沒有指定在影象中的開始點與結束點，需要我們自己去計算，如果我們想把直接顯示在影象中就會比較麻煩，而且 會有很多角度接近的直線，其實它們是重複的，為了解決上面這些問題，OpenCV又提供了一個函式HoughLinesP()。它的輸出是一個 Vector of Vec4i。Vector每一個元素代表一條直線，是由一個4元浮點陣列構成，前兩個點一組，後兩個點一組，代表了在影象中直線的起始和結束點。

1. void HoughLinesP(InputArray image, OutputArray lines, double rho, double theta,int threshold, double minLineLength=0, double maxLineGap=0 ); 

解釋一下最後兩個引數，minLineLength指定了檢測直線中的最小寬度，如果低於最小寬度則捨棄掉，maxLineGap指定通過同一點的直線，如果距離小於maxLineGap就會進行合併。

下面是一個用HoughLinesP檢測直線的例子：

1. int main() 
2. { 
3.     Mat image=imread("../car.png"); 
4.     Mat I; 
5.     cvtColor(image,I,CV_BGR2GRAY); 
6.     Mat contours; 
7.     Canny(I,contours,125,350); 
8.     threshold(contours,contours,128,255,THRESH_BINARY); 
9.     vector<Vec4i> lines; 
10.     // 檢測直線，最小投票為90，線條不短於50，間隙不小於10
11.     HoughLinesP(contours,lines,1,CV_PI/180,80,50,10); 
12.     drawDetectLines(image,lines,Scalar(0,255,0)); 
13.     namedWindow("Lines"); 
14.     imshow("Lines",image); 
15.     waitKey(); 
16.     return 0; 
17. } 

上面程式將檢測到的線條儲存在lines變數內，我們需要進一步將它們畫在影象上：

1. void drawDetectLines(Mat& image,const vector<Vec4i>& lines,Scalar & color) 
2. { 
3.     // 將檢測到的直線在圖上畫出來
4.     vector<Vec4i>::const_iterator it=lines.begin(); 
5.     while(it!=lines.end()) 
6.     { 
7.         Point pt1((*it)[0],(*it)[1]); 
8.         Point pt2((*it)[2],(*it)[3]); 
9.         line(image,pt1,pt2,color,2); //  線條寬度設定為2
10.         ++it; 
11.     } 
12. } 

實 際上Hough變換可以檢測很多固定的形狀，比如：圓、正方形等。它們的原理基本相同，都是構造一個投票矩陣。OpenCV裡提供了檢測圓的函式 HoughCircles，它的輸出是一個Vector of Vec3i，Vector的每個元素包含了3個浮點數，前2個是圓的中心座標，最後一個是半徑。

三、輪廓的提取與描述

在目標識別中我們首先要把感興趣的目標提取出來，而一般常見的步驟都是通過顏色或紋理提取出目標的前景圖（一幅黑白影象，目標以白色顯示在影象中），接下來我們要對前景圖進行分析進一步地把目標提取出來，而這裡常常用到的就是提取目標的輪廓。

OpenCV 裡提取目標輪廓的函式是findContours，它的輸入影象是一幅二值影象，輸出的是每一個連通區域的輪廓點的集 合：vector<vector<Point>>。外層vector的size代表了影象中輪廓的個數，裡面vector的 size代表了輪廓上點的個數。下面我們通過例項來看函式的用法。

1. int main() 
2.   { 
3.       usingnamespace cv; 
4.       Mat image=imread("../shape.png"); 
5.       cvtColor(image,image,CV_BGR2GRAY); 
6.      vector<vector<Point>> contours; 
7.      // find
8.      findContours(image,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE); 
9.     // draw
10.      Mat result(image.size(),CV_8U,Scalar(0)); 
11.      drawContours(result,contours,-1,Scalar(255),2); 
12.      namedWindow("contours"); 
13.      imshow("contours",result); 
14.      waitKey(); 
15.      return 0; 
16. } 

上面程式中包含了2個函式，第一個是查詢輪廓函式，它的第三個引數說明查詢輪廓的型別，這裡我們使用的是外輪廓，還可以查詢所有輪廓，即包括一些孔洞的部 分，像影象人物胳膊與腰間形成的輪廓。第4個引數說明了輪廓表示的方法，程式中的引數說明輪廓包括了所有點，也可以用其他引數讓有點直線的地方，只儲存直 線起始與終點的位置點，具體引數用法可以參考手冊裡函式的介紹。

第二個函式drawContours是一個畫輪廓的函式，它的第3個引數程式裡設定-1表示所有的輪廓都畫，你也可以指定要畫的輪廓的序號。

提取到輪廓後，其實我們更關心的是如果把這些輪廓轉換為可以利用的特徵，也就是涉及到輪廓的描述問題，這時就有多種方法可以選擇，比如向量化為多邊形、矩形、橢圓等。OpenCV裡提供了一些這樣的函式。

1. // 輪廓表示為一個矩形
2. Rect r = boundingRect(Mat(contours[0])); 
3. rectangle(result, r, Scalar(255), 2); 
4. // 輪廓表示為一個圓
5. float radius; 
6. Point2f center; 
7. minEnclosingCircle(Mat(contours[1]), center, radius); 
8. circle(result, Point(center), static_cast<int>(radius), Scalar(255), 2); 
9. // 輪廓表示為一個多邊形
10. vector<Point> poly; 
11. approxPolyDP(Mat(contours[2]), poly, 5, true); 
12. vector<Point>::const_iterator itp = poly.begin(); 
13. while (itp != (poly.end() - 1)) 
14. { 
15.     line(result, *itp, *(itp + 1), Scalar(255), 2); 
16.     ++itp; 
17. } 
18. line(result, *itp, *(poly.begin()), Scalar(255), 2); 
19. // 輪廓表示為凸多邊形
20. vector<Point> hull; 
21. convexHull(Mat(contours[3]), hull); 
22. vector<Point>::const_iterator ith = hull.begin(); 
23. while (ith != (hull.end() - 1)) 
24. { 
25.     line(result, *ith, *(ith + 1), Scalar(255), 2); 
26.     ++ith; 
27. } 
28. line(result, *ith, *(hull.begin()), Scalar(255), 2); 

程式中我們依次畫了矩形、圓、多邊形和凸多邊形。最終效果如下：

對連通區域的分析到此遠遠沒有結束，我們可以進一步計算每一個連通區域的其他屬性，比如：重心、中心矩等特徵，這些內容以後有機會展開來寫。

以 下幾個函式可以嘗試：minAreaRect：計算一個最小面積的外接矩形，contourArea可以計算輪廓內連通區域的面 積；pointPolygenTest可以用來判斷一個點是否在一個多邊形內。mathShapes可以比較兩個形狀的相似性，相當有用的一個函式。

【編輯推薦】