opencv实战——复杂背景下寻找物体轮廓（底帽）

摘要

这套算法首先解决了在复杂背景下轮廓提取的问题，而且我认为也是稳健鲁棒的。其中，算法中除了经典的“hsv分解->ostu阈值->最大轮廓标注”外，最为关键的算法为底帽去光差。这个算法来自于冈萨雷斯《数字图像处理教程》形态学篇章，完全按照书本建议实现，体现良好作用。

---

 一、问题提出

这是一个来自"answerOpenCV"(http://answers.opencv.org/question/200422/opencv-c-filling-holes/)整编如下：

title：OpenCV / C++ - Filling holes

content:

Hello there,

For a personnel projet, I'm trying to detect object and there shadow. These are the result I have for now: Original: 

 二、问题分析

从原始图片上来看，这张图片的拍摄的背景比较复杂，此外光照也存在偏光现象；而提问者虽然提出的是“将缝隙合并”的要求，实际上他还是想得到目标物体的准确轮廓。

三、问题解决

整体思路：(思路很重要！！！)

1. 读入图像，转成hsv空间
2. 对h通道图像底帽运算
3. 二值化
4. 寻找轮廓，并筛选显示

opencv实现：

    Mat moveLightDiff(Mat src, int radius);
    Mat src = imread("D:/opencv练习图片/复杂背景下提取轮廓.png");
    imshow("原始图", src);
    Mat src_hsv,src_h,src_s, src_v,src_tophat,src_bin;
    cvtColor(src, src_hsv, COLOR_RGB2HSV);
    vector<Mat> rgb_planes;
    split(src_hsv, rgb_planes);
    src_h = rgb_planes[0]; 
    imshow("H通道", src_h);
    Mat kernel = getStructuringElement(MORPH_RECT, Size(30, 30), Point(-1, -1));
    morphologyEx(src_h, src_h, MORPH_BLACKHAT, kernel, Point(-1, -1));
    imshow("BLACKPHAT", src_h);
    threshold(src_h, src_bin, 100, 255, THRESH_OTSU);
    imshow("二值化", src_bin);
    int max = 0;
    int index = -1;
    vector<vector<Point> >contours;
    findContours(src_bin, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
    for (int i = 0; i < contours.size(); i++) {
        int area= contourArea(contours[i]);
        if (max < area) {
            index = i;
            max = area;
        }
    }
    drawContours(src, contours, index, Scalar(0, 0, 255), 2);
    imshow("显示轮廓", src);

---

 顶帽运算与底帽运算的理解和分析

顶帽变换和底帽(黑帽)变换属于图像形态学处理的一种，可用于校正不均匀光照的影响。

• 顶帽变换用于凸显暗背景上的亮物体。(也可叫白帽)

• 底帽变换用于凸显亮背景上的暗物体。(也可叫黑帽)

 如上图所示。当图像各部分光照不均匀造成的背景灰度不均现象，单纯用二值化处理效果不好就可以用顶帽(底帽)处理。由于原图是背景亮，前景暗，对原图进行底帽变换以解决光照不均匀的问题。

 直接对h通道二值化效果：

 先底帽矫正后再二值化效果：

 摘录于寻找复杂背景下物体的轮廓(OpenCV / C++ - Filling holes) - jsxyhelu - 博客园 (cnblogs.com)