1. ROI简介
ROI(Region of Interest)是指图像中的一个矩形区域,可能你后续的程序需要单独处理这一个小区域,如图所示:
图1 ROI的解释
ROI在实际工作中有很重要的作用,在很多情况下,使用它们会提高计算机视觉代码的执行速度。这是因为它们允许对图像的某一小部分进行操作,而不是对整个图像进行运算。在OpenCV中,所有的对图像操作的函数都支持ROI,如果你想打开ROI,可以使用函数cvSetImageROI(),并给函数传递一个矩形子窗口。而cvResetImageROI()是用于关闭ROI的。注意,在程序中,一旦使用了ROI做完相应的运算,就一定要用cvResetImageROI()来关闭ROI,否则,其他操作执行时还会使用ROI的定义。
IplImage 结构解读:
typedef struct _IplImage
{
intnSize;
int ID;
intnChannels;
intalphaChannel;
int depth;
charcolorModel[4];
charchannelSeq[4];
intdataOrder;
int origin;
int align;
int width;
int height;
struct _IplROI *roi;
struct_IplImage *maskROI;
void*imageId;
struct_IplTileInfo *tileInfo;
intimageSize;
char*imageData;
intwidthStep;
intBorderMode[4];
intBorderConst[4];
char*imageDataOrigin;
}IplImage;
origin变量可以有两个取值:IPL_ORIGIN_TL或者IPL_ORIGIN_BL,分别代表图像坐标系原点在左上角或是左下角。相应的,在计算机视觉领域,一个重要的错误来源就是原点位置的定义不统一。例如,图像的来源不同,操作系统不同,视频解码codec不同,存储方式不同等等,都可以造成原点位置的变化。
IplROI结构体包含了xOffset,yOffset,height,width,coi成员变量,其中xOffset,yOffset是x,y坐标,coi代表channel of interest(感兴趣的通道)。有时候,OpenCV图像函数不是作用于整个图像,而是作用于图像的某一个部分。这是,我们就可以使用roi成员变量了。如果IplImage变量中设置了roi,则OpenCV函数就会使用该roi变量。如果coi被设置成非零值,则对该图像的操作就只作用于被coi指定的通道上了。不幸的是,许多OpenCV函数忽略了coi的值。
【注意】
(1)ROI只是原始图像的一个子区域,没有自己的内存空间,对ROI的操作会影响原始图像。
(2)对ROI区域的遍历还是要根据矩形框在原始图像中的相对位置遍历。笔者曾经犯了利用原始图像src的src->imageData做基地址,用src->height、src->width做边界条件,用src->widthStep计算步长来遍历ROI图像的错误。这是因为抱有IplImage结构体中的成员变量数值会随ROI图像而改变的错误思想。
2. 对应的相关函数
SetImageROI
基于给定的矩形设置感兴趣区域
void cvSetImageROI( IplImage* image, CvRectrect );
【参数介绍】
image
图像头.
rect
ROI矩形.
函数 cvSetImageROI 基于给定的矩形设置图像的ROI(感兴趣区域)。如果ROI是NULL并且参数RECT的值不等于整个图像, ROI被分配。不像 COI,大多数的 OpenCV 函数支持 ROI 并且处理它就像它是一个分离的图像 (例如,所有的像素坐标从ROI的左上角或左下角(基于图像的结构)计算。
ResetImageROI
释放图像的ROI
voidcvResetImageROI( IplImage* image );
【参数介绍】
image
图像头.
函数 cvResetImageROI 释放图像ROI。释放之后整个图像被认为是全部被选中的。相似的结果可以通过下述办法
cvSetImageROI(image, cvRect( 0, 0, image->width, image->height ));
cvSetImageCOI(image, 0 );
但是后者的变量不分配 image->roi
3. 利用ROI剪切图像并批量保存
图像的剪切有多种方法,其中一种是使用ROI的方法:
第一步:将需要剪切的图像图像不部分设置为ROI
cvSetImageROI(src,cvRect(x,y,width,height));
第二步:新建一个与需要剪切的图像部分同样大小的新图像
cvCreateImage(cvSize(width,height),IPL_DEPTH,nchannels);
第三步:将源图像复制到新建的图像中
cvCopy(src,dst,0);
第四步:释放ROI区域
cvResetImageROI(src);
笔者在做火焰检测时需要提取火焰疑似区域进行进一步的判断,需要在以上方法的基础上批量存储ROI区域图像到硬盘,这里有一个技巧是使用字符串格式化sprintf把要保存的路径及文件名写入字符缓冲区。如:
sprintf(imageName,"%s_%d-%04d年%02d月%02d日%02d时%02分%02d秒.jpg","E:\\Test\\ROI\\fire",countROI,
tm_ptr.tm_year-100+2000,tm_ptr.tm_mon + 1, tm_ptr.tm_mday,
tm_ptr.tm_hour,tm_ptr.tm_min, tm_ptr.tm_sec);
此语句把当前时间与编号都写入字符数组中以备cvSaveImage( const char*filename, const CvArr* image )函数使用。
以下是源码的主函数:
int main(){
IplImage *img = NULL; //输入图像,8bit 3通道
IplImage *colTemp = NULL; //颜色分割后(有内部空洞)的火焰图片
IplImage *gray = NULL; //灰度图
IplImage *mask = NULL; //二值图,用于复制图像的掩膜
IplImage *dst = NULL; //输出火焰疑似图像,8bit、3通道
IplImage *ROI[5] = {NULL}; //定义ROI图像头的数组
char imageName[50]; //存储图像的名称
CvMemStorage *stor; //存储轮廓序列
CvSeq *cont; //可动态增长元素序列
time_t the_time; //时间
stor=cvCreateMemStorage(0); //创建一内存块并返回指向块首的指针,默认64K
cont=cvCreateSeq(CV_SEQ_ELTYPE_POINT,sizeof(CvSeq),sizeof(CvPoint),stor); //创建一序列
img = cvLoadImage("E:\\Test\\SegTest\\fire40.JPG"); //载入原始图片
colTemp = cvCreateImage(cvGetSize(img),img->depth,img->nChannels); //经过颜色分割后(有内部空洞)的火焰图片
gray = cvCreateImage(cvGetSize(img),img->depth,1);
mask = cvCreateImage(cvGetSize(img),img->depth,1);
dst = cvCreateImage(cvGetSize(img),img->depth,img->nChannels); //保存经过填补后的火焰图片
cvZero(dst);
colorModel(img,colTemp); //使用颜色模型对火焰图像分割
cvCvtColor(colTemp,gray,CV_BGR2GRAY);
//使用cvFindContours函数与cvFillPoly填充连通区内部空洞
fillSeg(gray,mask);
cvCopy(img,dst,mask);
//使用cvFindContours根据火焰疑似区域(已填充内部空洞)的掩膜(单通道)寻找轮廓;
//随之使用cvRectangle找到轮廓的外接矩形,从而可以得到ROI。
cvFindContours(mask,stor,&cont,sizeof(CvContour),CV_RETR_EXTERNAL ,CV_CHAIN_APPROX_SIMPLE,cvPoint(0,0));
cvDrawContours(img,cont,cvScalar(255,255,255),cvScalar(0,0,0),1,1);
int countROI = 0; //ROI编号
for(;cont;cont = cont->h_next){
double area = fabs(cvContourArea(cont,CV_WHOLE_SEQ));
double len = cvArcLength(cont, CV_WHOLE_SEQ,-1);
double circularity = (4*PI*area)/(len*len); //计算疑似火焰区域的圆形度
CvRect r = ((CvContour*)cont)->rect;//子类转换为父类例子
if(r.height * r.width > CONTOUR_MAX_AERA && circularity < 0.4 && circularity > 0.07 ) //面积小的外接矩形以及圆形度过大或过小的轮廓抛弃掉
{
printf("\n圆形度:%f\n",circularity);
cvRectangle(img, cvPoint(r.x,r.y),cvPoint(r.x + r.width, r.y + r.height),CV_RGB(255,0,0), 1, CV_AA,0);
cvSetImageROI(img,r);
ROI[countROI] = cvCreateImage(cvGetSize(img),img->depth,img->nChannels);
cvCopy(img,ROI[countROI],0);
cvResetImageROI(img);
(void) time(&the_time); //获得从纪元(1970年1月1日)开始至今的秒数
tm tm_ptr = *localtime(&the_time); //从time_t格式的时间里返回本地时间
//保存的图片名
sprintf(imageName,"%s_%d-%04d年%02d月%02d日%02d时%02分%02d秒.jpg","E:\\Test\\ROI\\fire",countROI,
tm_ptr.tm_year-100+2000,tm_ptr.tm_mon + 1, tm_ptr.tm_mday,
tm_ptr.tm_hour,tm_ptr.tm_min, tm_ptr.tm_sec);
//sprintf(imageName, "%s%d%s", "E:\\Test\\ROI\\image", countROI, ".jpg");//保存的图片名
cvSaveImage(imageName,ROI[countROI]); //保存一帧图片
countROI++;
memset(imageName,0,sizeof(imageName));
}
}
for(int i = 0;i<countROI;i++){
char showImg[16];
sprintf(showImg,"ROI%d",i);
cvShowImage(showImg,ROI[i]);
}
cvShowImage("原始图片",img);
cvShowImage("颜色分割处理",colTemp);
cvShowImage("填充处理图片",dst);
cvShowImage("掩膜",mask);
cvWaitKey();
//销毁窗口
cvDestroyAllWindows();
//释放图像
for(int i = 0;i<countROI;i++){
cvReleaseImage(&ROI[i]);
}
cvReleaseImage(&img);
cvReleaseImage(&colTemp);
cvReleaseImage(&gray);
cvReleaseImage( &mask );
}