基础学习笔记之opencv(22)：learning OpenCV书中一个连通域处理函数
前言
在图像处理过程中，经常会遇到这样一部分图像，图像的整体部分如果人来看的话一眼就能看出，但是它的内部由于有各种小缺口，导致断开了，这样在计算机“眼”里就被认为是断开的，为了使图像达到适应人眼的感觉，需要将这些缺口和断开的口给连接上去，这就需要用到计算机图形学中的连通域处理技术。本文给出一个简单的连通域处理函数，当然这个函数是来自OpenCV著名教程Learning OpenCV中，只不过它的接口是基于c版本的OpenCV，而到目前为止，基于C++接口的OpenCV已经是主流，所以我将其接口改成了c++版的，但是其内部一些代码基本没有动它。
开发环境：OpenCV2.4.3+QtCreator2.5.1
实验基础
首先来看这个连通域处理函数的形式：
void ConnectedComponents(Mat &mask_process, int poly1_hull0, float perimScale, int number = 0, Rect &bounding_box = Rect(), Point &contour_centers = Point(-1, -1));
参数mask表示的是需要进行连通域处理二值图像。
参数poly1_hull0表示轮廓边缘是否采用多边形拟合,如果该参数为1，则表示采用多边形拟合，否则采用凸包拟合。
参数perimScale是用来将那些小的轮廓去掉，那些小的轮廓时指它的周长小于(mask长+宽)/perimScale。当然你在其内部代码也可以该为面积来判断。
参数num表示实际需要处理最多的轮廓的个数（如果输入的mask有多个轮廓的话），这里的处理是指计算出这些轮廓的外接矩形和中心点。默认值为0，表示函数内部不需要处理这些外接矩形和中心点。
参数bbs表示的是处理完后对应轮廓的外接矩形，默认值为Rect()，表示不需要返回这些外接矩形。
参数centers表示处理完后对应轮廓的中心点坐标，默认值为Point(-1, -1)，表示不需要返回这些中心点。
C/C++知识点总结：
如果一些函数需要默认值的话，可以直接在函数定义的时候指定，该指定并不一定是具体的某个值，也可以是空值等等。另外在函数内部实现时，有时候要注意默认值的特殊性。
实验结果
所需处理原始图像的灰度图：
其对应的mask图像：
使用多项式拟合的连通域处理后图像：
使用凸包集拟合的连通域处理后的图像：
实验代码及注释(附录有工程code下载地址)：
main.cpp:
#include <iostream> #include <opencv.hpp> using namespace cv; using namespace std; //Just some convienience macros #define CV_CVX_WHITE CV_RGB(0xff,0xff,0xff) #define CV_CVX_BLACK CV_RGB(0x00,0x00,0x00) void ConnectedComponents(Mat &mask_process, int poly1_hull0, float perimScale, int number = 0, Rect &bounding_box = Rect(), Point &contour_centers = Point(-1, -1)) { /*下面4句代码是为了兼容原函数接口，即内部使用的是c风格，但是其接口是c++风格的*/ IplImage *mask = &mask_process.operator IplImage(); int *num = &number; CvRect *bbs = &bounding_box.operator CvRect(); CvPoint *centers = &contour_centers.operator CvPoint(); static CvMemStorage* mem_storage = NULL; static CvSeq* contours = NULL; //CLEAN UP RAW MASK //开运算作用：平滑轮廓，去掉细节,断开缺口 cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_OPEN, 1 );//对输入mask进行开操作，CVCLOSE_ITR为开操作的次数，输出为mask图像 //闭运算作用：平滑轮廓，连接缺口 cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_CLOSE, 1 );//对输入mask进行闭操作，CVCLOSE_ITR为闭操作的次数，输出为mask图像 //FIND CONTOURS AROUND ONLY BIGGER REGIONS if( mem_storage==NULL ) mem_storage = cvCreateMemStorage(0); else cvClearMemStorage(mem_storage); //CV_RETR_EXTERNAL=0是在types_c.h中定义的，CV_CHAIN_APPROX_SIMPLE=2也是在该文件中定义的 CvContourScanner scanner = cvStartFindContours(mask,mem_storage,sizeof(CvContour),CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE); CvSeq* c; int numCont = 0; //该while内部只针对比较大的轮廓曲线进行替换处理 while( (c = cvFindNextContour( scanner )) != NULL ) { double len = cvContourPerimeter( c ); double q = (mask->height + mask->width) /perimScale; //calculate perimeter len threshold if( len < q ) //Get rid of blob if it's perimeter is too small { cvSubstituteContour( scanner, NULL ); //用NULL代替原来的那个轮廓 } else //Smooth it's edges if it's large enough { CvSeq* c_new; if(poly1_hull0) //Polygonal approximation of the segmentation c_new = cvApproxPoly(c,sizeof(CvContour),mem_storage,CV_POLY_APPROX_DP, 2,0); else //Convex Hull of the segmentation c_new = cvConvexHull2(c,mem_storage,CV_CLOCKWISE,1); cvSubstituteContour( scanner, c_new ); //最开始的轮廓用凸包或者多项式拟合曲线替换 numCont++; } } contours = cvEndFindContours( &scanner ); //结束轮廓查找操作 // PAINT THE FOUND REGIONS BACK INTO THE IMAGE cvZero( mask ); IplImage *maskTemp; //CALC CENTER OF MASS AND OR BOUNDING RECTANGLES if(*num != 0) { int N = *num, numFilled = 0, i=0; CvMoments moments; double M00, M01, M10; maskTemp = cvCloneImage(mask); for(i=0, c=contours; c != NULL; c = c->h_next,i++ ) //h_next为轮廓序列中的下一个轮廓 { if(i < N) //Only process up to *num of them { //CV_CVX_WHITE在本程序中是白色的意思 cvDrawContours(maskTemp,c,CV_CVX_WHITE, CV_CVX_WHITE,-1,CV_FILLED,8); //Find the center of each contour if(centers != &cvPoint(-1, -1)) { cvMoments(maskTemp,&moments,1); //计算mask图像的最高达3阶的矩 M00 = cvGetSpatialMoment(&moments,0,0); //提取x的0次和y的0次矩 M10 = cvGetSpatialMoment(&moments,1,0); //提取x的1次和y的0次矩 M01 = cvGetSpatialMoment(&moments,0,1); //提取x的0次和y的1次矩 centers[i].x = (int)(M10/M00); //利用矩的结果求出轮廓的中心点坐标 centers[i].y = (int)(M01/M00); } //Bounding rectangles around blobs if(bbs != &CvRect()) { bbs[i] = cvBoundingRect(c); //算出轮廓c的外接矩形 } cvZero(maskTemp); numFilled++; } //Draw filled contours into mask cvDrawContours(mask,c,CV_CVX_WHITE,CV_CVX_WHITE,-1,CV_FILLED,8); //draw to central mask } //end looping over contours *num = numFilled; cvReleaseImage( &maskTemp); } //ELSE JUST DRAW PROCESSED CONTOURS INTO THE MASK else { for( c=contours; c != NULL; c = c->h_next ) { cvDrawContours(mask,c,CV_CVX_WHITE, CV_CVX_BLACK,-1,CV_FILLED,8); } } } int main() { Mat src, mask; src = imread("test.png", 0); //以灰度图像读入 imshow("src", src); mask = src > 0; //转换为二值图像 imshow("mask", mask); ConnectedComponents(mask, 1, 8.0, 1, Rect(), Point(-1, -1)); //采用多边形拟合处理 imshow("out1", mask); ConnectedComponents(mask, 0, 8.0, 1, Rect(), Point(-1, -1)); //c采用凸包进行处理 imshow("out2", mask); waitKey(0); return 0; }
实验总结: 通过该连通域处理，能够达到一定效果。
参考资料：
Bradski, G. and A. Kaehler (2008). Learning OpenCV: Computer vision with the OpenCV library, O'Reilly Media.
附录：实验工程code下载地址。
