在计算机图形领域,识别特定形状是一项基本功能,但从初学者的角度来说,这一切并不容易,接下来我将为大家详细介绍如何利用OpenCV实现简单的颜色+形状识别。
一、目标介绍。
实现一个这样的程序,能够将识别摄像头的实时视频流中黑色矩形,并将其标记出来
二、思路分解以及代码实现。
具体实现思路是这样的:
1、抓取电脑摄像头的实时视频流,将其一帧用Mat类存储起来,利用while循环就可以将视屏流一帧帧地放入Mat,然后针对每一帧的图片进行处理。这样我们就将处理视频的任务转化为处理图片。
while(1)
{
Mat video;
capture >> video;
}
2、将图片(Mat Video)中黑色的区域分离出来,用一个二值图(值只有0和255,即黑和白)来储存黑色区域的信息,其中值为255(显示为白色)的点代表黑色。具体的执行细节如下:
a、将图片由RGB色域转化为HSV色域。为什么?要知道,光照情况会影响颜色,比如白色的物体在光线较暗时,会被电脑识别为黑色。而使用HSV色域可以极大地减少光照对颜色识别的影响。OpenCV提供了cvtColor()这个函数处理此情况。
Mat hsv;
cvtColor(frame,hsv,COLOR_BGR2HSV);
b、利用inRange()函数分离出图片的黑色部分
Mat blkobj;
inRange(hsv,Scalar(0,0,0),Scalar(180,255,46),blkobj);
图片的黑色部分就已经储存在了Mat blkobj 里。
3、图片的黑色区域已经得到了,那么我们该如何在其中找出矩形呢?
这里提供两个思路
思路一:化繁为简,不妨先在图片中找出直线,如果存在直线能够拼成一个矩形,那么我们就判定图片中存在矩形,并把它标记出来。
思路二:具体分三个步骤
I、找出图片中最大的黑色物体(当然,你也可以选择把每个黑色物体都找出来)
II、找出其最小的外接矩形,然后求出最大黑色物体的面积与最小外接矩形面积的比值
III、如果比值足够接近1,说明这个黑色物体是矩形
思路一网上已经有人实现过了,但似乎只适用于识别简单的图片,用于视频识别的效果不佳。小编也自己实现了一遍,发现该思路存在着许多问题:
问题一:使用霍夫变换HoughLIne()寻找直线,效果不佳,对画面质量敏感。
问题二:算法实现较为复杂,小编实现出来后,未经优化算法的复杂度为O(n^4),如果线的数量n一多,视频就会卡死。
<