图像分割与描述综合示例

图像分割与描述综合示例

1. 视觉算法的基本开发步骤
2. 使用OpenCV完成图像分割及区域描述

一、问题分析与思路

解决思路：

1. 图像采集(取到图像)
2. 图像预处理
3. 基于灰度的阈值分割
4. 图像特征描述及目标分析
5. 得到最终结果

找到目标轮廓

image, contours, hierarchy = cv.findContours( image, mode, method[, contours[, hierarchy[,offset]]] )

image : 单通道图像矩阵，可以是灰度图，但更常用的是经过边缘检测算子处理后的二值图像；
contours ：定义为“vector<vector> contours”，是一个轮廓列表；
hierarchy : 存在嵌套轮廓时，分别为第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号；
mode : 定义轮廓的检索模式, 包括CV_RETR_EXTERNAL只检测最外围轮廓， CV_RETR_LIST检测所有轮廓，但不建立等级关系等；
method : 包括CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours等；
offset : 所有的轮廓信息相对于原始图像对应点的偏移量, 缺省不设置。

相关函数 (Python)

D-P法多边形拟合

approxCurve = cv.approxPolyDP( curve, epsilon, closed[, approxCurve] )

计算轮廓线长度

retval = cv.arcLength( curve, closed )

计算轮廓面积

retval = cv.contourArea( contour[, oriented] )

计算轮廓包围矩形(水平的)

retval = cv.boundingRect( array )

计算轮廓包围矩形(斜的)

retval = cv.minAreaRect( points )

计算轮廓拟合椭圆

retval = cv.fitElllipse( points )