关闭

OpenCV轮廓检测,计算物体旋转角度

25668人阅读 评论(27) 收藏 举报
分类:

 

 

效果还是有点问题的,希望大家共同探讨一下

 

 

// FindRotation-angle.cpp : 定义控制台应用程序的入口点。
//

// findContours.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"



#include <iostream>
#include <vector>
#include <opencv2/opencv.hpp> 
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>


#pragma comment(lib,"opencv_core2410d.lib")      
#pragma comment(lib,"opencv_highgui2410d.lib")      
#pragma comment(lib,"opencv_imgproc2410d.lib") 

#define PI 3.1415926

using namespace std;
using namespace cv;



int hough_line(Mat src)
{
	//【1】载入原始图和Mat变量定义   
	Mat srcImage = src;//imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图
	Mat midImage,dstImage;//临时变量和目标图的定义

	//【2】进行边缘检测和转化为灰度图
	Canny(srcImage, midImage, 50, 200, 3);//进行一此canny边缘检测
	cvtColor(midImage,dstImage, CV_GRAY2BGR);//转化边缘检测后的图为灰度图

	//【3】进行霍夫线变换
	vector<Vec4i> lines;//定义一个矢量结构lines用于存放得到的线段矢量集合
	HoughLinesP(midImage, lines, 1, CV_PI/180, 80, 50, 10 );

	//【4】依次在图中绘制出每条线段
	for( size_t i = 0; i < lines.size(); i++ )
	{
		Vec4i l = lines[i];
		line( dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(186,88,255), 1, CV_AA);
	}

	//【5】显示原始图  
	imshow("【原始图】", srcImage);  

	//【6】边缘检测后的图 
	imshow("【边缘检测后的图】", midImage);  

	//【7】显示效果图  
	imshow("【效果图】", dstImage);  

	//waitKey(0);  

	return 0;  
}

int main()
{
	// Read input binary image

	char *image_name = "test.jpg";
	cv::Mat image = cv::imread(image_name,0);
	if (!image.data)
		return 0; 

	cv::namedWindow("Binary Image");
	cv::imshow("Binary Image",image);


	
	// 从文件中加载原图  
	   IplImage *pSrcImage = cvLoadImage(image_name, CV_LOAD_IMAGE_UNCHANGED);  
	  
		   // 转为2值图
		
	 cvThreshold(pSrcImage,pSrcImage,200,255,cv::THRESH_BINARY_INV);
		   
	
	   image = cv::Mat(pSrcImage,true);

	   cv::imwrite("binary.jpg",image);

	// Get the contours of the connected components
	std::vector<std::vector<cv::Point>> contours;
	cv::findContours(image, 
		contours, // a vector of contours 
		CV_RETR_EXTERNAL, // retrieve the external contours
		CV_CHAIN_APPROX_NONE); // retrieve all pixels of each contours

	// Print contours' length
	std::cout << "Contours: " << contours.size() << std::endl;
	std::vector<std::vector<cv::Point>>::const_iterator itContours= contours.begin();
	for ( ; itContours!=contours.end(); ++itContours) 
	{

		std::cout << "Size: " << itContours->size() << std::endl;
	}

	// draw black contours on white image
	cv::Mat result(image.size(),CV_8U,cv::Scalar(255));
	cv::drawContours(result,contours,
		-1, // draw all contours
		cv::Scalar(0), // in black
		2); // with a thickness of 2

	cv::namedWindow("Contours");
	cv::imshow("Contours",result);






	// Eliminate too short or too long contours
	int cmin= 100;  // minimum contour length
	int cmax= 1000; // maximum contour length
	std::vector<std::vector<cv::Point>>::const_iterator itc= contours.begin();
	while (itc!=contours.end()) {

		if (itc->size() < cmin || itc->size() > cmax)
			itc= contours.erase(itc);
		else 
			++itc;
	}

	// draw contours on the original image
	cv::Mat original= cv::imread(image_name);
	cv::drawContours(original,contours,
		-1, // draw all contours
		cv::Scalar(255,255,0), // in white
		2); // with a thickness of 2

	cv::namedWindow("Contours on original");
	cv::imshow("Contours on original",original);

	

	// Let's now draw black contours on white image
	result.setTo(cv::Scalar(255));
	cv::drawContours(result,contours,
		-1, // draw all contours
		cv::Scalar(0), // in black
		1); // with a thickness of 1
	image= cv::imread("binary.jpg",0);

	//imshow("lll",result);
	//waitKey(0);

	// testing the bounding box 
	//////////////////////////////////////////////////////////////////////////////
	//霍夫变换进行直线检测,此处使用的是probabilistic Hough transform(cv::HoughLinesP)而不是standard Hough transform(cv::HoughLines)

	cv::Mat result_line(image.size(),CV_8U,cv::Scalar(255));
	result_line = result.clone();

	hough_line(result_line);

	//Mat tempimage;

	//【2】进行边缘检测和转化为灰度图
	//Canny(result_line, tempimage, 50, 200, 3);//进行一此canny边缘检测
	//imshow("canny",tempimage);
	//waitKey(0);

	//cvtColor(tempimage,result_line, CV_GRAY2BGR);//转化边缘检测后的图为灰度图
	vector<Vec4i> lines;

	cv::HoughLinesP(result_line,lines,1,CV_PI/180,80,50,10);

	for(int i = 0; i < lines.size(); i++)
	{
		line(result_line,cv::Point(lines[i][0],lines[i][1]),cv::Point(lines[i][2],lines[i][3]),Scalar(0,0,0),2,8,0);
	}
	cv::namedWindow("line");
	cv::imshow("line",result_line);
	//waitKey(0);

	/////////////////////////////////////////////////////////////////////////////////////////////
	//

	//std::vector<std::vector<cv::Point>>::const_iterator itc_rec= contours.begin();
	//while (itc_rec!=contours.end())
	//{
	//	cv::Rect r0= cv::boundingRect(cv::Mat(*(itc_rec)));
	//	cv::rectangle(result,r0,cv::Scalar(0),2);
	//		++itc_rec;
	//}

	

	//cv::namedWindow("Some Shape descriptors");
	//cv::imshow("Some Shape descriptors",result);


	CvBox2D     End_Rage2D;
	CvPoint2D32f rectpoint[4];
	CvMemStorage *storage = cvCreateMemStorage(0);  //开辟内存空间


	CvSeq*      contour = NULL;     //CvSeq类型 存放检测到的图像轮廓边缘所有的像素值,坐标值特征的结构体以链表形式

	cvFindContours( pSrcImage, storage, &contour, sizeof(CvContour),CV_RETR_CCOMP, CV_CHAIN_APPROX_NONE);//这函数可选参数还有不少



	for(; contour; contour = contour->h_next)   //如果contour不为空,表示找到一个以上轮廓,这样写法只显示一个轮廓
		//如改为for(; contour; contour = contour->h_next) 就可以同时显示多个轮廓
	{  

		End_Rage2D = cvMinAreaRect2(contour);  
		//代入cvMinAreaRect2这个函数得到最小包围矩形  这里已得出被测物体的角度,宽度,高度,和中点坐标点存放在CvBox2D类型的结构体中,
		//主要工作基本结束。
		for(int i = 0;i< 4;i++)
		{
			  //CvArr* s=(CvArr*)&result;
			//cvLine(s,cvPointFrom32f(rectpoint[i]),cvPointFrom32f(rectpoint[(i+1)%4]),CV_G(0,0,255),2);
			line(result,cvPointFrom32f(rectpoint[i]),cvPointFrom32f(rectpoint[(i+1)%4]),Scalar(125),2);
		} 
		cvBoxPoints(End_Rage2D,rectpoint);
	
	std::cout <<" angle:\n"<<(float)End_Rage2D.angle << std::endl;      //被测物体旋转角度 
	
	}
	cv::imshow("lalalal",result);
	cv::waitKey();
	return 0;


}


 

 

 

 

这个是原来实现的代码的博客文章:

http://blog.csdn.net/wangyaninglm/article/details/41864251

 

 

参考文献:

http://blog.csdn.net/z397164725/article/details/7248096

http://blog.csdn.net/fdl19881/article/details/6730112

http://blog.csdn.net/mine1024/article/details/6044856

5
0
查看评论

opencv形状识别学习总结

OpenCV基元检测 Primitive Detection 目录 基元的概念 基元泛指图像中有特点的单元。常说的基元有:边缘、角点、斑点、直线段、圆、等 基元检测是图像分析的基础 边缘(Edge)检测 边缘是图像中像素灰度值发生剧烈变化而不连续的结果 边缘是赋予单个像素的一种性质,与图像函...
  • bcbobo21cn
  • bcbobo21cn
  • 2016-03-16 13:20
  • 21596

三种强大的物体识别算法

三种强大的物体识别算法 —— SIFT/SURF 、 haar 特征、广义 hough 变换 的特性对比分析   收藏   识别算法概述:       SIFT/SURF 基于灰度图,   一、首先建立图...
  • Liuqz2009
  • Liuqz2009
  • 2015-08-13 22:52
  • 9935

基于opencv的物体定位

opencv是一个很强大的机器视觉库,利用它我们可以开发出丰富多彩的使用项目。近日,我在研究一个图中物体定位系统。本程序用的是OpenCV2.4.9,附带OpenCV3.0。 程序中的原图为我随手拍的一张图片 图中有三个物体,都是蓝色的,我首先取原图的蓝色通道变为灰度图 灰度图经过中值滤波后...
  • MyLinChi
  • MyLinChi
  • 2016-08-17 20:44
  • 6812

Opencv实现物体识别和追踪

  • 2015-05-25 00:30
  • 2.25MB
  • 下载

利用SIFt特征点和RANSAC方法进行物体识别(利用openCV和vs2010实现)

最近在学习物体识别方面的技能。在特征点的提取领域,SIFT特征点是非常经典的一个特征点提取算法。RANSAC算法,是根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法。 本文的步骤就是,先利用SIFT算法对训练图片和实验图片分别提取特征点,然后将两次提取的特征点进行匹...
  • qq_25352981
  • qq_25352981
  • 2015-03-23 12:35
  • 3992

基于opencv3实现运动物体识别

一:背景减法          对于一个稳定的监控场景而言,在没有运动目标,光照没有变化的情况下,视频图像中各个像素点的灰度值是符合随机概率分布的。由于摄像机在采集图像的过程中,会不可避免地引入噪声,这些灰度值以某一个均值为基准线,在附近做一定范...
  • OliverkingLi
  • OliverkingLi
  • 2017-09-22 22:26
  • 1925

【OpenCV_contri】找出任意物体可能在的位置(Selective search,物体检测)

Selective search用法
  • zmdsjtu
  • zmdsjtu
  • 2017-10-15 18:32
  • 620

【OpenCV】颜色识别实例(瓶盖)

#include #include #include using namespace std; #define MINAREA 600 int main() { IplImage* srcRGB = cvLoadImage("33333.bmp"); Ipl...
  • Taily_Duan
  • Taily_Duan
  • 2016-07-12 09:18
  • 5651

基于OpenCV的目标物体颜色及轮廓的识别方法

http://mall.cnki.net/magazine/Article/XDDJ201424021.htm 0引言机器人视觉是机器人感知外部世界的重要媒介,也是未来机器人传感器发展的主流方向。机器人视觉通过视觉传感器获取环境的图像数据,并通过软件进行图像的分析和理解,使机器人能够辨识目标物体及...
  • Liuqz2009
  • Liuqz2009
  • 2015-08-13 23:00
  • 10819

OpenCV2应用Meanshift查找相似物体

1.概念这里说的是OpenCV中实现的Meanshift算法的大体概念。 在OpenCV中meanshift算法的原理,大体上是这样的: 首先,预先定义一个窗口(可以通过openCv中的ROI在图像上定义一个感兴趣的窗口),然后计算窗口内所有像素(数据)点的重心,然后将窗口中的中心移动到重心点。...
  • zxc024000
  • zxc024000
  • 2016-04-21 18:45
  • 1756
    公众号,github
    公众号:     老王和他的IT界朋友们
    欢迎投稿:  shiter@live.cn
    QQ交流群:  593683975
    加群问题:抛硬币正面上的期望?

    我们想用一段音乐,几张图片,
    些许文字绘制的IT圈心路历程,
    为攻城狮,为程序员带来更多的人文关怀。

    投稿原创文章有稿费,杂志等福利!!!



    github:  https://github.com/wynshiter
    个人资料
    • 访问:1332053次
    • 积分:14488
    • 等级:
    • 排名:第996名
    • 原创:191篇
    • 转载:51篇
    • 译文:74篇
    • 评论:712条
    博客专栏
    百度统计
    微信公众号
      微信公众号
      老王和他的IT界朋友们