OpenCV提取圖像中圓線上的數據具體流程
需求說明
在對圖像進行處理時，經常會有這類需求：客戶想要提取出圖像中某條直線、圓線或者ROI區(qū)域內的感興趣數據，進行重點關注。該需求在圖像檢測領域尤其常見。ROI區(qū)域一般搭配Rect即可完成提取，直線和圓線數據的提取沒有現(xiàn)成的函數，需要自行實現(xiàn)。
直線的提取見：
而圓線的提取則是本文要將的內容，對圓線而言，將線上某點作為起點，沿順時針或逆時針方向依次提取感興趣數據，可放置在容器中。那么如何快速提取呢？本文提供了一種比較簡單的思路，應用窗口模板，在窗口中快速找到下一可前進點的位置，步進然后再找下個點，形成路徑追蹤，進而實現(xiàn)整圈圓線數據的提取。
具體流程
1）初始化。設置路徑追蹤窗口尺寸size為3，創(chuàng)建path作為行進路徑，p點作為起點，c用來存放目標數據點。
cv::Mat c; int size = 3; cv::Mat path = mask.clone(); Point p = Point(center.x + radius, center.y);
2）將起點放置在c中，將path中的起點值置0，表示該點已經走過。
c.push_back(src.at<uchar>(p.y, p.x)); path.at<uchar>(p.y, p.x) = 0;
3）用WinDataNum函數判斷當前點的窗口內有幾個可前進點，若無則說明路徑封死或者完成路徑，wn值表示可前進點的個數。
int wn = WinDataNum(path, p, size);
4）窗口內遍歷，查看是否有可前進路徑，若找到，則將當前點信息刷新為此點，并將標記符find設為true，find的意義是快速中斷遍歷，用來提速。
int t = size / 2;
bool find = false;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
{
p.x = j;
p.y = i;
find = true;
break;
}
}
if (find)
break;
}
5）若找到了點，即find為true，則將該點的數據存放在c中，path中置0，并以該點為中心搜索窗口內可前進路徑。
if (find)
{
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
wn = WinDataNum(path, p, size);
}
else
break;
6）若wn為0了，則說明路徑封死或者完成路徑了，跳出循環(huán)，函數執(zhí)行完畢。?
while (wn)
{
int t = size / 2;
bool find = false;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
{
p.x = j;
p.y = i;
find = true;
break;
}
}
if (find)
break;
}
if (find)
{
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
wn = WinDataNum(path, p, size);
}
else
break;
}
功能函數
// 獲取圓圈上的數據，逆時針存儲，起點在中心同行最右側數據
cv::Mat getCircleData(cv::Mat src, cv::Mat mask, cv::Point center, int radius)
{
cv::Mat c;
int size = 3;
cv::Mat path = mask.clone();
Point p = Point(center.x + radius, center.y);
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
int wn = WinDataNum(path, p, size);
while (wn)
{
int t = size / 2;
bool find = false;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
{
p.x = j;
p.y = i;
find = true;
break;
}
}
if (find)
break;
}
if (find)
{
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
wn = WinDataNum(path, p, size);
}
else
break;
}
return c;
}
// 獲取窗口內的有效數據個數
int WinDataNum(cv::Mat path, cv::Point p, int size)
{
int number = 0;
int t = size / 2;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
number++;
}
}
return number;
}
C++測試代碼
#include <iostream>
#include <opencv2/opencv.hpp>
#include <string>
using namespace std;
using namespace cv;
cv::Mat getCircleData(cv::Mat src, cv::Mat mask, cv::Point center, int radius);
int WinDataNum(cv::Mat path, cv::Point p, int size);
int main()
{
cv::Mat src = imread("test.jpg", 0);
cv::Mat mask = cv::Mat::zeros(src.size(), CV_8UC1);
cv::Point center = cv::Point(src.cols / 2, src.rows / 2);
int radius = min(src.cols, src.rows) / 2 - 10;
circle(mask, center, radius, Scalar(255), 1, 8);
cv::Mat c = getCircleData(src, mask, center, radius);
src.setTo(0, mask == 0);
imshow("src", src);
imshow("mask", mask);
waitKey(0);
return 0;
}
// 獲取圓圈上的數據，逆時針存儲，起點在中心同行最右側數據
cv::Mat getCircleData(cv::Mat src, cv::Mat mask, cv::Point center, int radius)
{
cv::Mat c;
int size = 3;
cv::Mat path = mask.clone();
Point p = Point(center.x + radius, center.y);
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
int wn = WinDataNum(path, p, size);
while (wn)
{
int t = size / 2;
bool find = false;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
{
p.x = j;
p.y = i;
find = true;
break;
}
}
if (find)
break;
}
if (find)
{
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
wn = WinDataNum(path, p, size);
}
else
break;
}
return c;
}
// 獲取窗口內的有效數據個數
int WinDataNum(cv::Mat path, cv::Point p, int size)
{
int number = 0;
int t = size / 2;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
number++;
}
}
return number;
}
測試效果
圖1 原圖
圖2 掩膜內圖像
如圖1圖2所示，掩膜內的圖像數據就是我們要提取的目標。
圖3 放大后數據搜索路徑
圖3放大后可以看出，起點是230，之后的數據是230、231、236、232、234、146等等，再看c容器中的數據。
圖4 容器內數據
對比完開頭，再看結尾，如圖3所示，是234、234、231、234、234，然后就是起點230，查看容器。
圖5 容器內數據
這樣有的小伙伴可能覺得中間會不會有數據錯誤呢，很簡單，打開VS復制代碼后，搭配ImageWatch插件，debug調試打斷點觀察path矩陣，看看它的255數據是不是按預想的路徑消失，如果是則說明扔的數據也沒有問題。
總結
本文提供的只是一個簡單思路，有一定局限性。比如該方法在圓線寬為1時效果最佳，若線寬大了就不能用窗口簡單判斷了；另外，起點在右側時是逆時針獲取數據，起點在左側時是順時針獲取數據，如果想統(tǒng)一標準的話，最好加上起點的位置判斷，然后決定是否將c的數據翻轉。至于運行速度方面，3000*3000的圖像矩陣中運行基本為0ms，畢竟只是提取了一條圓線而已。
到此這篇關于OpenCV提取圖像中圓線上的數據具體流程的文章就介紹到這了,更多相關OpenCV提取圖像數據內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
在Java 中定義了關鍵字final，被final修飾的類不能被繼承,C++中如何實現(xiàn)，下面我們來看一個例子2013-12-12
這篇文章主要為大家分享了C語言對對碰游戲源碼，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-02-02
這篇文章主要為大家詳細介紹了OpenGL通過中點法繪制直線和圓，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-02-02
大數據情況下桶排序算法的運用與C++代碼實現(xiàn)示例
在排序元素很多的情況下,其實桶排序的性能并不是太高,這里我們配合單鏈表的直接插入排序,來看下一大數據情況下桶排序算法的運用與C++代碼實現(xiàn)示例:2016-07-07
本篇文章是對C++中虛析構函數的作用進行了詳細的分析介紹，需要的朋友參考下2013-05-05
這篇文章主要介紹了?C++?new?和?delete?關鍵字詳解，文章圍繞主題展開new?和?delete?的使用方法的介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-06-06
這篇文章主要介紹了C++教程(超長最全),需要的朋友可以參考下2023-05-05
類多么重要我就不多說了，只講講學習，因為個人認為類的學習無論從概念的理解還是實際代碼的編寫相對其他C兼容向的代碼都是比較有難度的， 對于以前學C 的人來說這才是真正的新概念和內容，STL其實還比較好理解，不就是一個更大的函數庫和代碼可以使用嘛。2015-06-06
C++中new與delete、malloc與free應用分析
這篇文章主要介紹了C++中new與delete、malloc與free應用分析,很重要的概念,需要的朋友可以參考下2014-08-08
這篇文章主要介紹了C++和JAVA的字符串，JAVA 中String 和StringBuffer的區(qū)別,需要的朋友可以參考下2015-07-07