opencv练习第三弹_图片中最大的四边形-CSDN博客

本文链接：https://blog.csdn.net/lxy_2011/article/details/89738845

需求：

如下图所示，如何获得检测视野中最大的四边形框体和相机的偏转角度？
在这里插入图片描述

方案：

由于是室内环境，光线变化不是很灵敏，其次，检测对象都是黄色，考虑用颜色空间YCrCb（肤色检测中首选的方案）过滤掉背景后，只留下四边形框体和边线。

观察到每个框体都有内外两个轮廓，所以用检测内轮廓的方法能够有效的过滤出检测对象，即都是四边形框体；然后根据框体的面积大小筛选出视野中最大的四边形。

剩下的工作就是根据两直线相交求四个顶点，计算出中心点，与图像中心点连线得到偏转角度。

一、颜色空间转换

opencv常用的样色空间包括RGB，HSV和*YCrCb等。*YCrCb颜色空间广泛的用于视频压缩和图像压缩方案，不能算是纯粹的颜色空间，因为它是BGR颜色空间的一种解码方式。

Y表示亮度
Cr：RGB空间R通道和Y差值
Cb：RGB空间B通道和

首先来了解一下opencv提供的API

  void cvtColor(InputArray src,OutputArray dst,int code,int dstCn=0);

paraemters:

第一个参数：InputArray类型的src,表示输入的图像矩阵
第二个参数：OutputArray类型的dst,表示输出的图像矩阵
第三个参数：int类型的code,表示颜色转换标识符
第四个参数目标图像的通道数，该参数为0时，目标图像根据源图像的通道数和具体操作自动决定。

在BGR图像与YCrCb图像之间的转换，此时的标识code便是

COLOR_BGR2YCrCb
COLOR_RGB2YCrCb 
COLOR_YCrCb2BGR 
COLOR_YCrCb2RGB

得到的效果如下图所示：
在这里插入图片描述

二、获取内轮廓

输入一幅图像，如果是仅仅是查找最大的轮廓，那么问题也比较简单了，直接找出所有的轮廓，然后根据轮廓的面积，遍历查找出最大的轮廓即可。如果是找最大的外轮廓，那么问题也比较简单，Contour retrieval mode有参数，CV_RETR_EXTERNAL：只检索最外面的轮廓。r然而对于最大的内轮廓，opencv并没有提供这样的接口。

mode - 轮廓检索模式

CV.RETR_EXTERNAL - 仅检索外轮廓，并为所有轮廓设置层级结构。
CV.RETR_LIST - 检索轮廓但不建立任何层次关系。
CV.RETR_CCOMP - 检索所有轮廓并将它们组织成两级层次结构。上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
CV.RETR_TREE - 检索所有轮廓并建立等级树结构的轮廓。

这里只能自己写一个函数，这个函数的原理就是：

1.找出所有的轮廓，包含内轮廓和外轮廓；

2.仅找出外轮廓；

3.删除所有轮廓中的外轮廓，即得到内轮廓

4.找出内轮廓中的最大轮廓

主要用到了opencv中以下几个函数：

findContours
contourArea //主要用于计算图像轮廓的面积
approxPolyDP //对图像轮廓点进行多边形拟合

得到的效果如下图所示：
在这里插入图片描述

三、LSD直线检测

这里的直线检测算法用的是LSD，LSD是一种局部提取的算法，运行速度比霍夫线变换Hough要快。但是由于局部检测算法自增长的特点，对于长线段被遮挡、局部模糊等原因经常割裂为多条直线。为了将割裂的线段合并，笔者自己做了另外的处理，大致如下：

Construct a window (bounding rectangle) around a line1.
line2 angle is close enough to line1's and at least one point of line2 is inside line1's bounding rectangle

Often a long linear feature in the image that is quite weak will end up recognized (HoughP, LSD) by a set of line segments with considerable gaps between them. To alleviate this, our bounding rectangle is constructed around line extended in both directions, where extension is defined by a fraction of original line width.