网站首页 > 人工智能 > 正文

人工智能计算机视觉 OpenCv案例（九）：基于OpenCvSharp图像分割提取目标区域和定位

少儿编程在线教育哪个品牌好人工智能 2024-05-20 18 0

以下原图中，物体连靠在一起，目的是将其分割开，再提取轮廓和定位

原图：

最终效果：

麻烦的地方是，分割开右下角部分，两个连在一起的目标物体，下图所示：

基本方法：BoxFilter滤波、二值化、轮廓提取，凸包检测，图像的矩

代码如下：

///

/// 获取分割点

///

public List GetSplitPoints(Point[][] contours, List contourCount, int arcLength, int farDistance)

{

#region 凸包检测

List lArc = new List();

//Mat src = srcImage.Clone();

List lpContours = new List();

List hulls = new List();

Point lastP = new Point();

Point firstP = new Point();

Point farLastP = new Point();

List lps = new List();

int dot = 1;

List depth = new List();

for (int i = 0; i < contourCount.Count; i++)

{

InputArray inputArray = InputArray.Create(contours[contourCount[i]]);

OutputArray outputArray = OutputArray.Create(hulls);

Cv2.ConvexHull(inputArray, outputArray, false, false);

if (Cv2.ArcLength(inputArray, true) < arcLength)

{

//lArc.Add(Cv2.ArcLength(inputArray, true));

continue;

}

//前三个值得含义分别为：凸缺陷的起始点，凸缺陷的终点，凸缺陷的最深点（即边缘点到凸包距离最大点）。

var defects = Cv2.ConvexityDefects(contours[contourCount[i]], hulls);

for (int j = 0; j < defects.Length; j++)

{

OpenCvSharp.Point start = contours[contourCount[i]][defects[j].Item0];

OpenCvSharp.Point end = contours[contourCount[i]][defects[j].Item1];

OpenCvSharp.Point far = contours[contourCount[i]][defects[j].Item2];

//OpenCvSharp.Point fart = contours[contourCount[i]][defects[j].Item3];

if (defects[j].Item3 > farDistance) //(4500 < defects[j].Item3 && defects[j].Item3 < 300000)

{

lps.Add(contours[contourCount[i]][defects[j].Item2]);

depth.Add(defects[j].Item3);

}

#endregion

return lps;

}

///

/// 获取最小内接矩形

///

public List GetMinRects(Point[][] contours, List contourCount)

{

//Cv2.ImShow(",mmmm", morphImage);

//double rotateAngel = 0;

Point2f[] vertices = new Point2f[4];

//Point2f minRectcenterPoint = new Point2f();

List minRects = new List();

for (int i = 0; i < contourCount.Count; i++)

{

//获取轮廓点的矩形区域

//绘制Rio区域最小矩形

#region 绘制Rio区域最小矩形

RotatedRect minRect = Cv2.MinAreaRect(contours[contourCount[i]]);

minRects.Add(minRect);

#endregion

}

return minRects;

}

///

/// 返回设置范围内的轮廓

///

public Point[][] GetImageContours(Mat mat, int length, out List contourCount)

{

List arclength = new List();

OpenCvSharp.Point[][] contours;

HierarchyIndex[] hierarchies;

//Cv2.ImShow(",mmmm", mat);

Cv2.FindContours(mat, out contours, out hierarchies, RetrievalModes.External, ContourApproximationModes.ApproxSimple, new Point());

Mat connImg = Mat.Zeros(mat.Size(), MatType.CV_8UC3);

Point2f[] vertices = new Point2f[4];

Mat drawOutline = Mat.Zeros(mat.Size(), mat.Type());

int sum = 0;

contourCount = new List();

for (int i = 0; i < contours.Length; i++)

{

Rect rect1 = Cv2.BoundingRect(contours[i]);

if (Cv2.ArcLength(contours[i], true) > length)//(rect1.Width > range1 && rect1.Height < range2)

{

Cv2.DrawContours(drawOutline, contours, i, new Scalar(255, 0, 255), 2, LineTypes.Link8, hierarchies);

contourCount.Add(i);

arclength.Add(Cv2.ArcLength(contours[i], true));

sum++;

}

Cv2.ImShow("contours", drawOutline);

return contours;

}

///

/// 图像灰度

/// 盒子滤波保留边缘信息

/// 自适应阈值效果不错无需形态学降噪

/// 取反操作

/// 过滤不需要轮廓信息(面积边长)

/// 轮廓提取

/// (以上每一步都很重要,否则,无法获取良好的轮廓)

/// 凸包检测

/// 根据轮廓信息,查找大凸包,获取分割点

/// 重新操作图像

/// 在二值化图像时,分割连接点位置

/// 绘制轮廓

/// 绘制最小内接矩形和质心点

/// 识别目标位置完成

/// 注意:不同大小的图像处理时,需要修改自适应阈值参数、轮廓过滤面积、凸包检测的分割点过滤

///

public Mat PreProcess(Mat srcImage)

{

Mat grayMat = new Mat();

Cv2.CvtColor(srcImage, grayMat, ColorConversionCodes.BGRA2GRAY);

//Cv2.ImShow("grayMat", grayMat);

Mat blurImg = BoxFilter(grayMat);

//Cv2.ImShow("blurImg", blurImg);

// 注意:不同大小的图像处理时,需要修改参数

Mat threshold = new Mat();

Cv2.AdaptiveThreshold(blurImg, threshold, 255, AdaptiveThresholdTypes.MeanC, ThresholdTypes.Binary, 15, 2);

//Cv2.Threshold(threshold, threshold, 0, 255, ThresholdTypes.BinaryInv);

Cv2.ImShow("threshold", threshold);

//Mat morphImg = MorphImage(threshold, MorphShapes.Ellipse, MorphTypes.Dilate, 1, new OpenCvSharp.Size(3, 3));

//Cv2.ImShow("morphImg", morphImg);

//Mat cannyImg = new Mat();

//Cv2.Laplacian(morphImg2, cannyImg, MatType.CV_8UC3, 5, 1);//Cv2.Canny(morphImg, cannyImg, 30, 90);//3和4参数的最佳比例在1/3和1/2之间

//Cv2.ImShow("cannyImg", cannyImg);

Mat bitwiseMat = new Mat();

Cv2.BitwiseNot(threshold, bitwiseMat);

Cv2.ImShow("bitwiseMat", bitwiseMat);

List contourCount;

//轮廓提取

Point[][] contours = GetImageContours(bitwiseMat, 600, out contourCount);

//凸包检测

List lps = GetSplitPoints(contours, contourCount, 800, 4500);

// 注意:不同大小的图像处理时,需要修改参数

//重新处理

Cv2.AdaptiveThreshold(blurImg, threshold, 255.0, AdaptiveThresholdTypes.MeanC, ThresholdTypes.Binary, 13, 2);

Cv2.ImShow("threshold1", threshold);

//MorphImage(threshold, MorphShapes.Ellipse, MorphTypes.Close, 1, new OpenCvSharp.Size(3, 3));

//Cv2.ImShow("morphImg1", morphImg);

Cv2.BitwiseNot(threshold, bitwiseMat);

Cv2.ImShow("bitwiseMat1", bitwiseMat);

//提取凸显点坐标

if (lps.Count > 1)

{

Cv2.Line(bitwiseMat, lps[0], lps[1], Scalar.Black, 2, LineTypes.Link8);

}

Cv2.ImShow("bitwiseMat2", bitwiseMat);

//轮廓提取

contourCount.Clear(); // 注意:不同大小的图像处理时,需要修改length参数

Point[][] newContours = GetImageContours(bitwiseMat, 550, out contourCount);

List rotatedRects = GetMinRects(newContours, contourCount);

for (int i = 0; i < rotatedRects.Count; i++)

{

#region 绘制Rio区域最小矩形

Point2f[] vertices = rotatedRects[i].Points();

#endregion

//绘制最小矩形

#region 绘制最小矩形

Cv2.Line(srcImage, Convert.ToInt32(vertices[0].X), Convert.ToInt32(vertices[0].Y), Convert.ToInt32(vertices[1].X), Convert.ToInt32(vertices[1].Y), new Scalar(0, 0, 255), 2);

Cv2.Line(srcImage, Convert.ToInt32(vertices[0].X), Convert.ToInt32(vertices[0].Y), Convert.ToInt32(vertices[3].X), Convert.ToInt32(vertices[3].Y), new Scalar(0, 0, 255), 2);

Cv2.Line(srcImage, Convert.ToInt32(vertices[1].X), Convert.ToInt32(vertices[1].Y), Convert.ToInt32(vertices[2].X), Convert.ToInt32(vertices[2].Y), new Scalar(0, 0, 255), 2);

Cv2.Line(srcImage, Convert.ToInt32(vertices[2].X), Convert.ToInt32(vertices[2].Y), Convert.ToInt32(vertices[3].X), Convert.ToInt32(vertices[3].Y), new Scalar(0, 0, 255), 2);

//获取重心点

Moments M;

M = Cv2.Moments(vertices);

double cX = M.M10 / M.M00;

double cY = M.M01 / M.M00;

//显示目标中心并提取坐标点

Cv2.Circle(srcImage, (int)cX, (int)cY, 2, Scalar.Yellow, 2);

//Console.WriteLine("AngleRect_angle: {0}", minRect.Angle);

#endregion

}

Cv2.ImShow("srcImage", srcImage);

return null;

}

灰度图像后图像二值化：

图像取反

绘制轮廓

凸包检测，查找分割点，下图黄色点标记处即找到的分割点位置

将找到的分割点在二值化图像中，连接一条线后，重新轮廓识别即可分割

最小轮廓矩形提取和绘制，以及绘制质心位置

到此，已将连接处分隔开

注意：使用以上方法是需要根据图像大小设置部分参数，例如二值化处理参数、过滤轮廓形状大小，凸包检测点的获取等位置，需要根据实际情况设置参数；

金钥匙

人工智能计算机视觉 OpenCv案例（九）：基于OpenCvSharp图像分割提取目标区域和定位

计算机视觉 python Python OpenCV图像识别：使用矩形框框选目标

html5+Css3+JavaScript+jQuery：HTML5篇

发表评论取消回复

金钥匙

人工智能 计算机视觉 OpenCv案例（九）： 基于OpenCvSharp图像分割提取目标区域和定位

计算机视觉 python Python OpenCV图像识别：使用矩形框框选目标

html5+Css3+JavaScript+jQuery：HTML5篇

相关文章

发表评论取消回复

人工智能计算机视觉 OpenCv案例（九）：基于OpenCvSharp图像分割提取目标区域和定位