【目标检测】根据目标边缘检测结果，生成完整轮廓-轮廓生长算法

G_redsky

已于 2024-04-11 20:21:10 修改

阅读量421

点赞数 6

分类专栏：计算机视觉文章标签：计算机视觉 matlab 算法目标检测

于 2024-04-11 20:17:11 首次发布

本文链接：https://blog.csdn.net/G_redsky/article/details/137651539

版权

计算机视觉专栏收录该内容

12 篇文章 2 订阅

订阅专栏

在MATLAB中，可以使用bwlabel函数来标记连通域，并使用regionprops函数来获取目标的轮廓信息。以下是一个简单的目标轮廓生长的示例代码：

% 读取图像
I = imread('image.png');

% 转换为灰度图
grayImage = rgb2gray(I);

% 应用阈值处理，将图像二值化
BW = grayImage > 100;

% 标记连通域
[labeledImage, numberOfObjects] = bwlabel(BW);

% 获取每个对象的轮廓信息
stats = regionprops(labeledImage, 'BoundingBox', 'Centroid', 'Perimeter', 'Area');

% 选择感兴趣的对象进行生长
for i = 1:numberOfObjects
    % 获取当前对象的边界框
    bbox = stats(i).BoundingBox;
    
    % 获取当前对象的中心点
    centroid = stats(i).Centroid;
    
    % 创建一个结构体，存储生长后的对象信息
    objectInfo = struct('BoundingBox', [], 'Centroid', [], 'Perimeter', [], 'Area', []);
    
    % 初始化生长区域
    growingRegion = false(size(BW));
    
    % 设置生长区域的初始位置
    growingRegion(bbox(2):bbox(2)+bbox(4)-1, bbox(1):bbox(1)+bbox(3)-1) = true;
    
    % 循环进行生长
    while any(growingRegion)
        % 对生长区域进行腐蚀操作
        se = strel('disk', 1);
        erodedRegion = imerode(growingRegion, se);
        
        % 对腐蚀后的区域进行膨胀操作
        dilatedRegion = imdilate(erodedRegion, se);
        
        % 更新生长区域
        growingRegion = dilatedRegion & ~BW;
        
        % 更新对象信息
        objectInfo.BoundingBox = bbox;
        objectInfo.Centroid = centroid;
        objectInfo.Perimeter = sum(sum(abs(diff(growingRegion))));
        objectInfo.Area = sum(sum(growingRegion));
    end
    
    % 将生长后的对象信息存储起来
    allObjectsInfo(i) = objectInfo;
end

% 显示结果
figure;
subplot(1, 2, 1);
imshow(BW);
title('原始二值化图像');

subplot(1, 2, 2);
hold on;
for i = 1:numberOfObjects
    rectangle('Position', allObjectsInfo(i).BoundingBox, 'EdgeColor', 'r', 'LineWidth', 2);
    plot(allObjectsInfo(i).Centroid(1), allObjectsInfo(i).Centroid(2), 'bx', 'MarkerSize', 10, 'LineWidth', 2);
end
title('目标轮廓生长后的结果');
hold off;

在上述代码中，首先使用rgb2gray函数将彩色图像转换为灰度图，然后使用edge函数进行边缘检测。接着使用imerode函数进行腐蚀操作，以去除小的噪点。最后使用imdilate函数进行膨胀操作，以实现目标轮廓的生长。

需要注意的是，上述代码中的growingRegion变量用于记录每次迭代后的生长区域，而objectInfo结构体则用于存储每个对象的生长信息。在循环结束后，所有对象的生长信息被存储在allObjectsInfo数组中。最后，使用rectangle函数和plot函数将生长后的目标轮廓和中心点显示出来。

可以使用MATLAB的edge函数来检测图像中的边缘。以下是修改后的代码，其中添加了Canny边缘检测的步骤：

% 读取图像
I = imread('image.png');

% 转换为灰度图
grayImage = rgb2gray(I);

% 应用Canny边缘检测算法
BW = edge(grayImage, 'canny');

% 标记连通域
[labeledImage, numberOfObjects] = bwlabel(BW);

% 获取每个对象的轮廓信息
stats = regionprops(labeledImage, 'BoundingBox', 'Centroid', 'Perimeter', 'Area');

% 选择感兴趣的对象进行生长
for i = 1:numberOfObjects
    % 获取当前对象的边界框
    bbox = stats(i).BoundingBox;
    
    % 获取当前对象的中心点
    centroid = stats(i).Centroid;
    
    % 创建一个结构体，存储生长后的对象信息
    objectInfo = struct('BoundingBox', [], 'Centroid', [], 'Perimeter', [], 'Area', []);
    
    % 初始化生长区域
    growingRegion = false(size(BW));
    
    % 设置生长区域的初始位置
    growingRegion(bbox(2):bbox(2)+bbox(4)-1, bbox(1):bbox(1)+bbox(3)-1) = true;
    
    % 循环进行生长
    while any(growingRegion)
        % 对生长区域进行腐蚀操作
        se = strel('disk', 1);
        erodedRegion = imerode(growingRegion, se);
        
        % 对腐蚀后的区域进行膨胀操作
        dilatedRegion = imdilate(erodedRegion, se);
        
        % 更新生长区域
        growingRegion = dilatedRegion & ~BW;
        
        % 更新对象信息
        objectInfo.BoundingBox = bbox;
        objectInfo.Centroid = centroid;
        objectInfo.Perimeter = sum(sum(abs(diff(growingRegion))));
        objectInfo.Area = sum(sum(growingRegion));
    end
    
    % 将生长后的对象信息存储起来
    allObjectsInfo(i) = objectInfo;
end

% 显示结果
figure;
subplot(1, 2, 1);
imshow(BW);
title('Canny边缘检测后的二值化图像');

subplot(1, 2, 2);
hold on;
for i = 1:numberOfObjects
    rectangle('Position', allObjectsInfo(i).BoundingBox, 'EdgeColor', 'r', 'LineWidth', 2);
    plot(allObjectsInfo(i).Centroid(1), allObjectsInfo(i).Centroid(2), 'bx', 'MarkerSize', 10, 'LineWidth', 2);
end
title('目标轮廓生长后的结果');
hold off;

在上述代码中，我们首先使用edge函数进行Canny边缘检测，将检测到的边缘转换为二值图像。然后，我们使用bwlabel函数标记连通域，并使用regionprops函数获取每个对象的轮廓信息。接下来，我们选择感兴趣的对象进行生长，并在循环中不断更新生长区域和对象信息。最后，我们将生长后的对象信息存储起来，并使用rectangle函数和plot函数将生长后的目标轮廓和中心点显示出来。

要实现更精确的边缘检测，可以尝试调整Canny边缘检测函数的参数。Canny边缘检测函数有两个关键参数：低阈值（low threshold）和高阈值（high threshold）。这两个参数控制着边缘检测的灵敏度，即能够检测到的边缘的强度。

以下是如何修改代码以实现更精确的边缘检测：

% 读取图像
I = imread('image.png');

% 转换为灰度图
grayImage = rgb2gray(I);

% 应用Canny边缘检测算法，调整低阈值和高阈值
[BW, edges] = edge(grayImage, 'canny', [lowThreshold highThreshold]);

% 标记连通域
[labeledImage, numberOfObjects] = bwlabel(BW);

% 获取每个对象的轮廓信息
stats = regionprops(labeledImage, 'BoundingBox', 'Centroid', 'Perimeter', 'Area');

% 选择感兴趣的对象进行生长
for i = 1:numberOfObjects
    % 获取当前对象的边界框
    bbox = stats(i).BoundingBox;
    
    % 获取当前对象的中心点
    centroid = stats(i).Centroid;
    
    % 创建一个结构体，存储生长后的对象信息
    objectInfo = struct('BoundingBox', [], 'Centroid', [], 'Perimeter', [], 'Area', []);
    
    % 初始化生长区域
    growingRegion = false(size(BW));
    
    % 设置生长区域的初始位置
    growingRegion(bbox(2):bbox(2)+bbox(4)-1, bbox(1):bbox(1)+bbox(3)-1) = true;
    
    % 循环进行生长
    while any(growingRegion)
        % 对生长区域进行腐蚀操作
        se = strel('disk', 1);
        erodedRegion = imerode(growingRegion, se);
        
        % 对腐蚀后的区域进行膨胀操作
        dilatedRegion = imdilate(erodedRegion, se);
        
        % 更新生长区域
        growingRegion = dilatedRegion & ~BW;
        
        % 更新对象信息
        objectInfo.BoundingBox = bbox;
        objectInfo.Centroid = centroid;
        objectInfo.Perimeter = sum(sum(abs(diff(growingRegion))));
        objectInfo.Area = sum(sum(growingRegion));
    end
    
    % 将生长后的对象信息存储起来
    allObjectsInfo(i) = objectInfo;
end

% 显示结果
figure;
subplot(1, 2, 1);
imshow(BW);
title(['Canny边缘检测后的二值化图像，低阈值：' num2str(lowThreshold) ', 高阈值：' num2str(highThreshold)]);

subplot(1, 2, 2);
hold on;
for i = 1:numberOfObjects
    rectangle('Position', allObjectsInfo(i).BoundingBox, 'EdgeColor', 'r', 'LineWidth', 2);
    plot(allObjectsInfo(i).Centroid(1), allObjectsInfo(i).Centroid(2), 'bx', 'MarkerSize', 10, 'LineWidth', 2);
end
title('目标轮廓生长后的结果');
hold off;