获取目标对象中心

获取目标对象中心

---

 　　目标对象中心不等同于连通区域中心，一个连通区域内可能包括多个粘连目标对象。获取目标对象中心要比获取连通区域中心更为复杂，因为需要解决粘连部分的分割问题。

　　对二值图进行距离变换后，目标对象中心处的像素值具备局部最大特性。换而言之，在距离图像中的局部最大值中包含了全部的中心点。对局部最大值点的定义为：对于任何一个非零点，如果其像素值不小于其8领域的像素值，则该点为局部最大值点。

　　在局部最大值点中包含中心点和非中心点，如果能够确定中心点和非中心点的判别依据，那么就可以从中找出全部的中心点。在同一连通域中，任意两个局部最大值点之间距离小于某个阈值时，其中像素值较小的一个局部最大值点为非中心点。该阈值由像素值较大的点乘上一个粘连系数确定，粘连系数通常取值为1附近的某个值。

　　由于事先无法确定局部最大值点数量，无法事先分配合适的内存空间，因此可以使用vector来动态管理内存。另外一个比较麻烦的问题是将所有局部最大值点按连通区域进行分组，因为整个处理过程是针对同一连通区域的，而非整幅图像。按连通区域进行分组的方法很多，下面采用的方法是将每个连通区域进行编号，然后计算每个最大局部最大值点所在连通区域的编号，并按编号进行排序，即完成分组。

 

#include "cxcore.h" #include "cv.h" #pragma comment(lib, "cxcore.lib") #pragma comment(lib, "cv.lib") struct CenterPoint { int nObject; float fDistance; CvPoint2D32f ptCenter; public: bool operator < (const CenterPoint &center) const { return nObject < center.nObject; } }; typedef std::vector<CenterPoint> VCenter; typedef std::vector<CenterPoint>::iterator CenterIter; // 对象中心点 // 参数: // 1. pBinary: 输入二值图像，单通道，位深IPL_DEPTH_8U。 // 2. pDistance: 输出距离图像，单通道，位深IPL_DEPTH_32F，与pBinary等大。 // 3. vecCenter: 返回对象中心点，可以预先分配足够的内存，从而减少或避免内存调整。 // 4. fMinRadius: 最小半径，当轮廓的等效半径小于fMinRadius时，忽略该轮廓。 // 5. fParam: 粘连系数，当两个局部最大值点间的距离小于较大的局部最大值点乘上fParam时，去除较小的局部最大值点。 void ObjectCenter(IplImage *pBinary, IplImage *pDistance, VCenter &vecCenter, float fMinRadius, float fParam) { int x, y, i, j, nSize; float dx, dy; float fDistance, fThreshold; float *pLine[3]; CenterIter cIter; PR_Center cCenter; CvSeq *pContour = NULL; CvMemStorage *pStorage = NULL; // 清空对象中心点 vecCenter.clear(); // 执行条件 if (pBinary && pDistance) { // 距离变换 cvDistTransform(pBinary, pDistance, CV_DIST_L2); // 局部最大值点 for (y = 1; y < pDistance->height - 1; y++) { pLine[0] = (float*) (pDistance->imageData + pDistance->widthStep * (y - 1)); pLine[1] = (float*) (pDistance->imageData + pDistance->widthStep * y); pLine[2] = (float*) (pDistance->imageData + pDistance->widthStep * (y + 1)); for (x = 1; x < pDistance->width - 1; x++) { if (pLine[1][x] >= fMinRadius) { if ((pLine[1][x] >= pLine[0][x - 1]) && (pLine[1][x] >= pLine[0][x]) && (pLine[1][x] >= pLine[0][x + 1]) && (pLine[1][x] >= pLine[1][x - 1]) && (pLine[1][x] >= pLine[1][x + 1]) && (pLine[1][x] >= pLine[2][x - 1]) && (pLine[1][x] >= pLine[2][x]) && (pLine[1][x] >= pLine[2][x + 1])) { cCenter.nObject = 0; cCenter.ptCenter.x = (float) x; cCenter.ptCenter.y = (float) y; cCenter.fDistance = pLine[1][x]; vecCenter.push_back(cCenter); } } } } // 查找所有轮廓 pStorage = cvCreateMemStorage(0); cvFindContours(pBinary, pStorage, &pContour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE); // 填充所有轮廓 cvDrawContours(pBinary, pContour, CV_RGB(255, 255, 255), CV_RGB(255, 255, 255), 2, CV_FILLED, 8, cvPoint(0, 0)); // 外轮廓循环 for (i = 1; pContour != NULL; pContour = pContour->h_next, i++) { for (cIter = vecCenter.begin(); cIter != vecCenter.end(); cIter++) { // 计算局部最大值点所在连通区域的编号 if (cIter->nObject == 0) { if (cvPointPolygonTest(pContour, cIter->ptCenter, 0) >= 0) { cIter->nObject = i; } } } } cvReleaseMemStorage(&pStorage); pStorage = NULL; // 按编号进行排序 sort(vecCenter.begin(), vecCenter.end()); // 连通区域循环 nSize = (int) vecCenter.size(); for (x = 0; x < nSize;) { for (y = x + 1; y < nSize && vecCenter[y].nObject == vecCenter[x].nObject; y++); // 处理单个连通区域 for (i = x; i < y - 1; i++) { for (j = i + 1; j < y; j++) { if ((vecCenter[i].fDistance >= fMinRadius) && (vecCenter[j].fDistance >= fMinRadius)) { // 两个局部最大值点之间的距离 dx = vecCenter[i].ptCenter.x - vecCenter[j].ptCenter.x; dy = vecCenter[i].ptCenter.y - vecCenter[j].ptCenter.y; fDistance = dx * dx + dy * dy; // 距离阈值 fThreshold = (vecCenter[i].fDistance > vecCenter[j].fDistance) ? vecCenter[i].fDistance * fParam : vecCenter[j].fDistance * fParam; fThreshold *= fThreshold; // 去除非中心点 if (fDistance < fThreshold) { if (vecCenter[i].fDistance < vecCenter[j].fDistance) { vecCenter[i].fDistance = 0; } else { vecCenter[j].fDistance = 0; } } } } } x = y; } } }