OpenCV - 查找对象形状

Question

我正在学习 OpenCV，我已经达到了无论我做什么都会卡住的地步。 我要做的是将对象（矩形对象）与其背景隔离开来。

一个例子是下面的电池图片：

我想屏蔽该图像，以便唯一剩下的就是对象。

我尝试了以下方法：

• 阈值
• 使用 Canny 检测边缘
• 查找轮廓
• 买大一点的

但是我得到了一些奇怪的区域作为更大的区域。以下是生成的图片：

• 精明

• 最大轮廓

这是我正在使用的代码：

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>

using namespace cv;
using namespace std;


int main( int, char** argv )
{
Mat src, srcGray,srcBlur,srcCanny;

string file = "samsung";
src = imread(file + ".jpg");
cvtColor(src, srcGray, CV_BGR2GRAY);
//bilateralFilter(srcGray, srcBlur,11, 17, 17);
srcBlur = srcGray.clone();
imshow("Filtered", srcBlur);
imwrite(file+"-filtered.jpg",srcBlur);

Canny(srcBlur, srcCanny, 0, 100, 3, true);
imshow("Canny", srcCanny);
imwrite(file+"-canny.jpg",srcCanny);


vector< vector <Point> > contours; // Vector for storing contour
vector< Vec4i > hierarchy;
findContours( srcCanny.clone(), contours, hierarchy,CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE ); // Find the contours in the image


int largest_contour_index=0;
int largest_area=0;
for( int i = 0; i< contours.size(); i++ ){
    double a=contourArea( contours[i],false);  //  Find the area of contour
    if(a>largest_area){
    largest_area=a;
    largest_contour_index=i;                //Store the index of largest contour
    }
 }


Mat dst(src.rows,src.cols,CV_8UC1,Scalar::all(0)); //create destination image
drawContours( dst,contours, largest_contour_index, Scalar(255,0,0),CV_FILLED, 8, hierarchy );
imshow("Largest", dst);
imwrite(file+"-largest.jpg",dst);

waitKey();
}

这段代码旨在获取对象的“掩码”，然后应该应用掩码，但我无法继续前进，因为我无法检测到对象

我的目标是检测不同图像中的矩形对象（每张图像只有一个对象）。

这个想法来自here，但我无法让该代码与像我这样的对比度较低的图像一起使用。

我也尝试过this，这与我想要的几乎相同。

我想隔离一个矩形对象（应该是图像中较大的对象）

提前致谢！

PS：虽然我可以将 Python 翻译成 C++，但我希望能直接在 C++ 中得到答案，这样我可以更快地对其进行测试。

Answer 1

这是我一起破解的，抱歉，它是用 Python 编写的 :)

首先，将图像大小调整为原始大小的 1/4（可能无需调整大小即可工作，尽管使用不同的参数）并应用中值模糊：

w, h, c = img_in.shape #img_in is the input image
resize_coeff = 0.25
img = cv2.resize(img_in, (int(resize_coeff*h), int(resize_coeff*w)))
img = cv2.medianBlur(img, 15)

中值模糊的好处在于，它可以消除大部分噪点和微小的不必要细节，例如那些蓝色标记线，同时保持较大形状的边缘不模糊。现在，让我们应用 Canny 边缘检测：

img = cv2.Canny(img, 100, 200)

不幸的是，我们的边缘有一些微小的间隙，但可以通过扩张/侵蚀来修复：

kernel = np.ones((17, 17), np.uint8)
img = cv2.dilate(img, kernel, 1)
img = cv2.erode(img, kernel, 1)

现在我们可以找到我们的轮廓，按面积取最大的一个，它可能就是我们想要的：

img, contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
max_index, max_area = max(enumerate([cv2.contourArea(x) for x in contours]), key = lambda x: x[1])
max_contour = contours[max_index]

将其绘制在原始（缩放）图像之上，我们得到：

img_out = cv2.resize(img_in, (int(resize_coeff*h), int(resize_coeff*w)))
cv2.drawContours(img_out, [max_contour], 0, (0, 0, 255), 2)

通过一些简单的轮廓平滑，我们可以轻松摆脱顶部的电线，如果我们愿意的话。不过，不知道如何处理底部的阴影。

Answer 2

您的输入图像太大，无法找到粗略的轮廓集。对于更高分辨率的图像，输出将更加精细。在高分辨率的情况下，没有一个单一的轮廓对应于最大的矩形。所以解决方案是 1. 要么将你的图像调整为更低的尺寸，就像我调整你的图像大小一样

resize(srcGray, srcGray, Size(), 0.25, 0.25);

我得到了这个输出

1. 您可以在高分辨率图片中合并附近的轮廓 合并参考这篇文章

(opencv) merge contours together

但我建议更好的解决方案是调整大小，然后应用相同的代码。它简单且时间复杂度较低。 注意这里的输出对应的是内部矩形，你可以进一步调整resize factor和canny threshold factor