Opencv——findContours函數再探（由輪廓聯想連通域)

關於調參的一些思考

合理的參數設置，應該是基於對需要解決的問題的一些已知條件。如需要提取的線段的長度範圍，需要定位的工件的尺寸、大小(面積)、形狀，周長，矩形度，圓形度等。

分析圖像的一些角度

1.從算法上
圖像降噪，直方圖增強，二值化，頻率分析，圖像形態學，幾何信息提取，特徵提取，等各種數學方法。儘可能多的輸出結果。
2.從策略上
篩選出實際需要的結果。
把握需要的信息和干擾信息的本質差距。

面積、周長、矩形度、圓形度、寬長比

這裏不做具體分析，以後專門寫一篇筆記。

例1：找出汽車輪轂圓孔（從輪廓和連通域兩個角度）

原圖：

分析：
1、獲取二值圖像（選用二值化閾值或者canny算子掃描）
2、通過findContours函數尋找連通域，輪廓則是對應連通域的輪廓
3、通過minAreaRect函數獲取輪廓最小矩形框（可旋轉），利改矩形框的特徵來鎖定目標（這裏我們限制，矩形框的長寬比值在1附近，並且矩形框的寬度大於10）
4、對鎖定的輪廓，通過drawContours函數繪製輪廓（注意參數，倒數第二個填-1則爲填該改輪廓，類似漫水填充，不過漫水填充不能獲取輪廓特徵）
另一種思路：
1、獲取二值圖像（這裏爲了使圓圈內部爲白，使用反閾值）
2、利用connectedComponentsWithStats函數獲取連通域矩陣
3、通過狀態矩陣statsMat，來獲取連通域最小外接四邊形（bounding box）的 x, y, width,height和麪積（像素數量）
4、通過四邊形的條件來限制

思路1代碼：

int main()
{
	cv::Mat srcMat = imread("D:\\opencv_picture_test\\rim.png", 1);
	Mat dstMat, binMat;
	cvtColor(srcMat, dstMat, COLOR_BGR2GRAY);
	threshold(dstMat, binMat, 0, 255, THRESH_OTSU);
	imshow("bin", binMat);
	//通過findContours函數尋找連通域
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	findContours(binMat, contours, RETR_LIST,CHAIN_APPROX_NONE);

	//繪製輪廓,內填充
	for (int i = 0; i < contours.size(); i++) {
		RotatedRect rbox = minAreaRect(contours[i]);
		if (fabs(rbox.size.width * 1.0 / rbox.size.height - 1) < 0.1 && rbox.size.width > 10)
			drawContours(srcMat, contours, i, Scalar(0, 255, 255), -1, 8);
	}
	imshow("rim", srcMat);
	waitKey(0);
}

二值圖：

框定圖：

思路2代碼：

int main()
{
	Mat lableMat;
	Mat statsMat;
	Mat centerMat;
	Mat srcMat = imread("D:\\opencv_picture_test\\輪廓\\rim.png", 1);		//讀取灰度
	Mat dstMat;
	cvtColor(srcMat, srcMat, COLOR_BGR2GRAY);
	//調用閾值函數
	threshold(srcMat, dstMat, 120, 255,THRESH_BINARY_INV);
	//腐蝕操作
	//Mat element = getStructuringElement(MORPH_ELLIPSE, Size(9,9));		
	//morphologyEx(dstMat,dstMat, MORPH_ERODE, element);		
	int nComp = cv::connectedComponentsWithStats(dstMat,
		lableMat,
		statsMat,
		centerMat,
		8,
		CV_32S);

	for (int i = 1; i < nComp; i++)
	{
		cout << "pixels = " << statsMat.at<int>(i, 4) << endl;
		cout << "width = " << statsMat.at<int>(i, 2) << endl;
		cout << "height = " << statsMat.at<int>(i, 3) << endl;
		cout << endl;
	}

	for (int i = 1; i < nComp; i++)
	{
		Rect bndbox;
		bndbox.x = statsMat.at<int>(i, 0);
		bndbox.y = statsMat.at<int>(i, 1);
		bndbox.width = statsMat.at<int>(i, 2);
		bndbox.height = statsMat.at<int>(i, 3);
		if (fabs(bndbox.width * 1.0 / bndbox.height - 1) < 0.1 && bndbox.width > 30)
		rectangle(srcMat, bndbox, CV_RGB(255, 255, 255), 1, 8, 0);
	}
	imshow("src", srcMat);
	//imshow("dst", dstMat);
	waitKey(0);
}

效果圖：

例2：找出芯片中間正方形物體

原圖：

分析：
1、獲取二值圖像（選用二值化閾值或者canny算子掃描）
2、通過findContours函數尋找連通域，輪廓則是對應連通域的輪廓
3、通過minAreaRect函數獲取輪廓最小矩形框（可旋轉），利改矩形框的特徵來鎖定目標（這裏我們限制，矩形框的長寬比值在1附近，並且矩形框的寬度大於10）
4、對鎖定的輪廓，通過drawContours函數繪製輪廓
5、通過輪廓外最小矩形的四個頂點座標，來繪製邊框
另一種思路：
1、獲取二值圖像（這裏爲了使圓圈內部爲白，使用反閾值）
2、利用connectedComponentsWithStats函數獲取連通域矩陣
3、通過狀態矩陣statsMat，來獲取連通域最小外接四邊形（bounding box）的 x, y, width,height和麪積（像素數量）
4、通過四邊形的條件來限制

思路1代碼：

////*--------------------------【練習2】矩形框-------------------------------------*/
int main()
{
	cv::Mat srcMat = imread("D:\\opencv_picture_test\\輪廓\\die_on_chip.png", 1);
	Mat dstMat, binMat;
	cvtColor(srcMat, dstMat, COLOR_BGR2GRAY);
	threshold(dstMat, binMat, 0, 255, THRESH_OTSU);
	imshow("bin", binMat);
	//通過findContours函數尋找連通域
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	findContours(binMat, contours, RETR_LIST, CHAIN_APPROX_NONE);

	//繪製輪廓
	for (int i = 0; i < contours.size(); i++) {
		RotatedRect rbox = minAreaRect(contours[i]);
		if (fabs(rbox.size.width * 1.0 / rbox.size.height - 1) < 0.1 && rbox.size.width > 10)
		{
			drawContours(srcMat, contours, i, Scalar(0, 255, 255), 1, 8);
			Point2f vtx[4];
			rbox.points(vtx);
			for (int j = 0; j < 4; ++j) {
				cv::line(srcMat, vtx[j], vtx[j < 3 ? j + 1 : 0], Scalar(0, 0, 255), 3, LINE_AA);
			}
		}
	}
	imshow("die_on_chip", srcMat);
	waitKey(0);
}

思路2代碼：

////*--------------------------【練習1連通域解法】-------------------------------------*/

int main()
{
	Mat lableMat;
	Mat statsMat;
	Mat centerMat;
	Mat srcMat = imread("D:\\opencv_picture_test\\輪廓\\die_on_chip.png", 1);		//讀取灰度
	Mat dstMat;
	cvtColor(srcMat, srcMat, COLOR_BGR2GRAY);
	//調用閾值函數
	threshold(srcMat, dstMat, 120, 255,THRESH_BINARY);
	//腐蝕操作
	//Mat element = getStructuringElement(MORPH_ELLIPSE, Size(9,9));		
	//morphologyEx(dstMat,dstMat, MORPH_ERODE, element);		
	int nComp = cv::connectedComponentsWithStats(dstMat,
		lableMat,
		statsMat,
		centerMat,
		8,
		CV_32S);

	for (int i = 1; i < nComp; i++)
	{
		cout << "pixels = " << statsMat.at<int>(i, 4) << endl;
		cout << "width = " << statsMat.at<int>(i, 2) << endl;
		cout << "height = " << statsMat.at<int>(i, 3) << endl;
		cout << endl;
	}

	for (int i = 1; i < nComp; i++)
	{
		Rect bndbox;
		bndbox.x = statsMat.at<int>(i, 0);
		bndbox.y = statsMat.at<int>(i, 1);
		bndbox.width = statsMat.at<int>(i, 2);
		bndbox.height = statsMat.at<int>(i, 3);
		if (fabs(bndbox.width * 1.0 / bndbox.height - 1) < 0.2 && statsMat.at<int>(i, 4)>=1200)
		rectangle(srcMat, bndbox, CV_RGB(0, 255, 255), 1, 8, 0);
	}
	imshow("src", srcMat);
	//imshow("dst", dstMat);
	waitKey(0);
}

效果圖：

例3：桌面上橘色物體

分析：
1、RGB轉HSV圖
2、將HSV通道分離，獲取三個通道值
3、對S通道進行二值化處理
4、接下來按照上面兩題的思路，找輪廓，框定。、
代碼：

//*--------------------------【練習3】矩形框-------------------------------------*/
int main()
{
	cv::Mat srcMat = imread("D:\\opencv_picture_test\\輪廓\\topic1.jpg", 1);
	Mat dstMat, binMat;
	cvtColor(srcMat, dstMat, COLOR_BGR2HSV);
	vector<Mat> channels;
	split(dstMat, channels);
	//namedWindow("H", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮窗口
	//imshow("H", channels.at(0));
	namedWindow("S", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮窗口
	imshow("S", channels.at(1));
	//namedWindow("V", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮窗口
	//imshow("V", channels.at(2));
	//將S通道的圖像複製，然後處理
	Mat S_Mat;
	channels.at(1).copyTo(S_Mat);
	//namedWindow("S", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮窗口
	//imshow("S", S_Mat);
	threshold(S_Mat, binMat, 120, 255, THRESH_BINARY);
	namedWindow("bin", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮窗口
	imshow("bin", binMat);
	//通過findContours函數尋找連通域
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	findContours(binMat, contours, RETR_LIST, CHAIN_APPROX_NONE);

	//繪製輪廓
	for (int i = 0; i < contours.size(); i++) {
		RotatedRect rbox = minAreaRect(contours[i]);
		if (fabs(rbox.size.width * 1.0 / rbox.size.height - 1) < 0.3 && rbox.size.width > 10)
		{
			drawContours(srcMat, contours, i, Scalar(0, 255, 255), 1, 8);
			Point2f vtx[4];
			rbox.points(vtx);
			for (int j = 0; j < 4; ++j) {
				cv::line(srcMat, vtx[j], vtx[j < 3 ? j + 1 : 0], Scalar(255, 255, 255), 2, LINE_AA);
			}
		}
	}
	namedWindow("topic1", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮窗口
	imshow("topic1", srcMat);
	waitKey(0);
	return 0;

}

S通道圖：

用S通道進行二值化：

框定圖：

總結

從目前來看，框定目標物體我們從輪廓和連通域都可以。
其中，利用minAreaRect函數可以獲取輪廓最小矩形框的參數值，也包括了輪廓的部分信息。
利用connectedComponentsWithStats獲取連通域，可從中獲取的連通域信息。
利用這些信息，結合矩形度、圓形度、寬長比等數學特徵則可以剔除一些不符合特徵的備選項。

Opencv——findContours函數再探（由輪廓聯想連通域)

目錄

關於調參的一些思考

分析圖像的一些角度

面積、周長、矩形度、圓形度、寬長比

例1：找出汽車輪轂圓孔（從輪廓和連通域兩個角度）

例2：找出芯片中間正方形物體

例3：桌面上橘色物體

總結

《Python進階》學習筆記

Leetcode 3161. 物塊放置查詢

leetcode 60 排列序列

一個docker容器暴露多個端口

微服務實踐之使用 Visual Studio 2022 調試Dapr 應用程序

wpf附加屬性理解 WPF附加屬性

微機原理——擴展存儲器設計

Opencv實戰【3】——圖像修復與圖像銳化（darling in the franxx）

霍夫碼編碼（一種不等長，非前綴編碼方式）

Opencv實戰【4】——圖片動漫化處理

8253譯碼電路設計以及初始化編程講解

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結