基于opencv的可见光成像通信解调算法（CPP）

gwpscut

已于 2022-07-16 12:15:45 修改

阅读量1.1k

点赞数

文章标签： opencv 算法人工智能

于 2020-04-05 20:14:24 首次发布

本文链接：https://blog.csdn.net/gwplovekimi/article/details/103903435

版权

这篇博客分享了使用OpenCV进行可见光通信解调的算法，涉及ROI区域提取和阈值化步骤。博主提供付费咨询服务，并在文中提及了其在可见光通信领域的其他研究，如移动机器人室内定位和物联网应用。

摘要由CSDN通过智能技术生成

本博文是基于可见成像光通信的解调算法代码。包括：

ROI区域的提取
阈值化

直接给出代码。由于是付费的博客，有什么疑问随时交流哈～

更多本人做的可见光通信工作请见博客：《基于可见光通信的移动机器人室内定位及物联网应用》

#include <stdio.h>
#include <stdlib.h>
#include "vlcCommonInclude.hpp"
#include "std_msgs/String.h"
#include <sstream>
#include "imageProcess.hpp"
#include "positioningCalculation.hpp"
using namespace cv;
using namespace std;

struct PxielPoint {
    double i;
    int val;
};


Mat polyfit(vector<Point>& in_point, int n)
{
	int size = in_point.size();
	//所求未知数个数
	int x_num = n + 1;
	//构造矩阵U和Y
	Mat mat_u(size, x_num, CV_64F);
	Mat mat_y(size, 1, CV_64F);
 
	for (int i = 0; i < mat_u.rows; ++i)
		for (int j = 0; j < mat_u.cols; ++j)
		{
			mat_u.at<double>(i, j) = pow(in_point[i].x, j);
		}
 
	for (int i = 0; i < mat_y.rows; ++i)
	{
		mat_y.at<double>(i, 0) = in_point[i].y;
	}
 
	//矩阵运算，获得系数矩阵K
	Mat mat_k(x_num, 1, CV_64F);
	mat_k = (mat_u.t()*mat_u).inv()*mat_u.t()*mat_y;
	cout << mat_k << endl;
	return mat_k;
}







// ID识别函数
int main() {
    //准确的ROI捕获
    cv::Mat imageLED1 = imread("/home/kwanwaipang/桌面/123/test2048/frame0011.jpg");
    // resize(imageLED1,imageLED1,Size(1280,960),0,0,INTER_NEAREST);
    //转换为灰度图
	Mat grayImage;//�Ҷ�ͼ
	cv::cvtColor(imageLED1, grayImage, cv::COLOR_BGR2GRAY);
	//imshow("grayImage", grayImage);
    ///二值化
	double m_threshold;//
	cv::Mat matBinary;//
	m_threshold = getThreshVal_Otsu_8u(grayImage);//
	threshold(grayImage, matBinary, m_threshold, 255, 0); //
	// imshow("matBinary", matBinary);

    Mat matBinary6 = matBinary.clone();
    //
	Mat element = getStructuringElement(MORPH_ELLIPSE, Size(20, 20));
	morphologyEx(matBinary, matBinary, MORPH_CLOSE, element);

	//
	bwareaopen(matBinary, 500);
	// imshow("matBinary-1", matBinary);//连通区域

    int Img_local_X1, Img_local_Y1, Img_local_X2, Img_local_Y2, Img_local_X3, Img_local_Y3;
	Mat img1_next, matBinary11, img2_next, matBinary2, img3_next, matBinary3;
	int X1_min, X1_max, Y1_min, Y1_max, X2_min, X2_max, Y2_min, Y2_max, X3_min, X3_max, Y3_min, Y3_max;
    
    for (int ii = 1;ii < 4;ii++)
	{
		int X_min, X_max, Y_min, Y_max;
		Mat img_next;
		ls_LED(matBinary, X_min, X_max, Y_min, Y_max, img_next);

		//获得LED1像素中心的位置
		double Img_local_X = (X_max + X_min) / 2;
		double Img_local_Y = (Y_max + Y_min) / 2;

        // 将原图中LED1部分的区域变黑
        // 获取图像的行列
		double rowB = matBinary.rows; 二值化图像的行数
		double colB = matBinary.cols;//二值化图像的列数
		Mat matBinary1 = matBinary.clone();//����һ��ͼ������ȥ��LED1��ͼ


		for (double i = 0;i < rowB;i++)
		{
			for (double j = 0;j < colB;j++)
			{
				double r = pow((i - Img_local_Y), 2) + pow((j - Img_local_X), 2) - pow(((abs(X_max - X_min)) / 2 - 2), 2);//pow(x,y)����x��y�η�
				if (r - 360 > 0)//
				{
					//
					matBinary1.at<uchar>(i, j) = matBina