OpenCV用MSER 算法提取特征区域

最新推荐文章于 2025-01-24 16:44:15 发布

负壹

最新推荐文章于 2025-01-24 16:44:15 发布

阅读量3.4k

点赞数 3

分类专栏： OpenCV 文章标签： opencv MSER 特征提取

本文链接：https://blog.csdn.net/qq_41685265/article/details/104096152

版权

OpenCV 专栏收录该内容

14 篇文章

订阅专栏

本文介绍如何使用OpenCV库中的MSER类进行图像特征检测。通过设置局部检测增量值及区域大小范围，可以创建MSER实例。利用detectRegions方法获取图像中的极稳定区域，结果分别存储为点集和矩形容器。最后，通过随机颜色在空白图像上展示检测到的区域。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

计算图像 MSER 的基础类是 cv::MSER，继承自 cv::Feature2D 类，cv::MSER 类的实例可以通过create 方法创建。我们在初始化时指定被检测区域的最小和最大尺寸，以便限制被检测特征的数量，调用方式如下：

cv::Ptr<cv::MSER> ptrMSER=
cv::MSER::create(5, // 局部检测时使用的增量值
                200, // 允许的最小面积
                20000); // 允许的最大面积

现在可以通过调用 detectRegions 方法来获得 MSER，指定输入图像和一个相关的输出数据结构，代码如下所示：

// 点集的容器
std::vector<std::vector<cv::Point> > points;
// 矩形的容器
std::vector<cv::Rect> rects;
// 检测 MSER 特征
ptrMSER->detectRegions(image, points, rects);

检测结果放在两个容器中。第一个是区域的容器，每个区域用组成它的像素点表示；第二个是矩形的容器，每个矩形包围一个区域。

为了呈现结果，创建一个空白图像，在图像上用不同的颜色显示检测到的区域（颜色是随机选择的）。用以下代码实现：

int main()
{
    cv::Mat image = cv::imread("jzw.jpg", 1);
    cv::Ptr<cv::MSER> ptrMSER =
        cv::MSER::create(5, // 局部检测时使用的增量值
            200, // 允许的最小面积
            20000); // 允许的最大面积
    std::vector<std::vector<cv::Point> > points;
    std::vector<cv::Rect> rects;
    ptrMSER->detectRegions(image, points, rects);

    cv::Mat output(image.size(), CV_8UC3);
    output = cv::Scalar(255, 255, 255);
    cv::RNG rng;
    // 针对每个检测到的特征区域，在彩色区域显示 MSER
    // 反向排序，先显示较大的 MSER
    for (std::vector<std::vector<cv::Point> >::reverse_iterator
        it = points.rbegin();
        it != points.rend(); ++it) {
        // 生成随机颜色
        cv::Vec3b c(rng.uniform(0, 254),
            rng.uniform(0, 254), rng.uniform(0, 254));
        // 针对 MSER 集合中的每个点
        for (std::vector<cv::Point>::iterator itPts = it->begin();
            itPts != it->end(); ++itPts) {
            // 不重写 MSER 的像素
            if (output.at<cv::Vec3b>(*itPts)[0] == 255) {
                output.at<cv::Vec3b>(*itPts) = c;
            }
        }
    }
    
    cv::imshow("image", image);
    cv::imshow("output", output);
    waitKey(0);
}

最后结果为：