最近一个项目用到了图像识别,之前从未接触过OpenCV,经过各种找教程,终于是搞懂了一些。
整个具体流程大概是获取图像-->图像二值化,灰度图(cvtColor)-->图像降噪(GaussianBlur)->轮廓识别(cvFindContours)-->形状判断。
大多数教程很专业,各种参数分析看不懂,经过各种搜索终于是搞懂了。
识别圆
在识别圆方面,OpenCV有内置的方法:霍夫圆变化:
HoughCircles(edges, circles, CV_HOUGH_GRADIENT, 1.5, 10, 200, 100, 0, 0);
参数分析:
edges:灰度图像
circles: std::vector circles;数组,用来存储圆的坐标信息
CV_HOUGH_GRADIENT:Hough 变换方式,目前只支持CV_HOUGH_GRADIENT, which is basically 21HT, described in [Yuen03].默认用这个
1.5:累加器图像的分辨率,1的时候是与获取到的图像相同,1.5就是1.5倍
10:圆与圆的最小距离,两个圆心距离如果在范围内则被认定为1个圆
200:100-200两个参数选就够了
100:默认100,数值越低识别圆越不精确(圆的数量识别变多可能有个弧线就被识别是圆)
最后两个参数分别是识别 圆的最小,最大的面积。
矩形识别
矩形识别并没有内置方法,需要自己手写。
最主要的方法是二值化。通过二值化来调节识别的强度。
cvThreshold(tgray, gray, 75, 250, CV_THRESH_BINARY);
参数分析:
src:原始数组 (单通道 , 8-bit of 32-bit 浮点数)。
dst:输出数组,必须与 src 的类型一致,或者为 8-bit。
threshold:阈值
max_value:使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值。
threshold_type:阈值类型
threshold_type=CV_THRESH_BINARY:如果 src(x,y)>threshold ,dst(x,y) = max_value; 否则,dst(x,y)=0;
threshold_type=CV_THRESH_BINARY_INV:如果 src(x,y)>threshold,dst(x,y) = 0; 否则,dst(x,y) = max_value.
threshold_type=CV_THRESH_TRUNC:如果 src(x,y)>threshold,dst(x,y) = max_value; 否则dst(x,y) = src(x,y).
threshold_type=CV_THRESH_TOZERO:如果src(x,y)>threshold,dst(x,y) = src(x,y) ; 否则 dst(x,y) = 0。
threshold_type=CV_THRESH_TOZERO_INV:如果 src(x,y)>threshold,dst(x,y) = 0 ; 否则dst(x,y) = src(x,y).
效果图如下:
在矩形识别里面的二值化图: