最近在做的工作是在一张红外图像中提取人脸区域，由于该区域是不规则的，所以一时找不到头绪。初步思路是：先将其转换成灰度图，对其使用形态学操作，接着使用Canny提取边缘，最后使用FindContours寻找轮廓。问题是寻找到轮廓后如何将其提取出来，暂时真正探索，神啊，Help me......
以下是在网上找到的一篇提取不规则图像的代码，参考一下：
///////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////
程序要求：请自备同大小同的图片两张，一张为原图srcImg，为三通道图片，另一张为mask图，为单通道图片。
下面是Opencv官方手册的对cvCopy的说明：
Copy
拷贝一个数组给另一个数组
void cvCopy( const CvArr* src, CvArr* dst, const CvArr* mask=NULL );
src
输入数组。
dst
输出数组。
mask
操作掩码是8比特单通道的数组，它指定了输出数组中被改变的元素。
函数cvCopy从输入数组中复制选定的成分到输出数组：
如果mask(I)!=0,则dst(I)=src(I)。
如果输入输出数组中的一个是IplImage类型的话，其ROI和COI将被使用。输入输出数组必须是同样的类型、维数和大小。函数也可以用来复制散列数组（这种情况下不支持mask）。
用cvCopy的mask进行对不规制的提取程序截图：
以下是代码：
#include "stdafx.h"
int _tmain(int argc, _TCHAR* argv[])
{
IplImage *pImg=cvLoadImage("c://capture.bmp",1);
IplImage *mask=cvLoadImage("c://mask.bmp",0);
IplImage *dstImg=cvCreateImage(cvGetSize(pImg),8,3);
cvSetZero( dstImg );
cvNot( mask,mask);
cvCopy(pImg,dstImg,mask);
cvNamedWindow("srcShow",1);
cvNamedWindow("dstShow",1);
cvNamedWindow("maskShow",1);
cvShowImage("srcShow",pImg);
cvShowImage("dstShow",dstImg);
cvShowImage("maskShow",mask);
cvWaitKey(0);
cvReleaseImage(&pImg);
cvDestroyWindow("srcShow");
cvDestroyWindow("dstShow");
cvDestroyWindow("maskShow");
return 0;
}
////////////////////////////////////另一个例子///////////////////////////////////////////////////////////
opencv例子里没有提供cvsnakeimage的使用方法，在此整理一个例子，可以形象的看看snake算法的结果，大致做法是：
首先设定域值分割，把基本的轮廓找出来，见图中蓝色轮廓线，再将轮廓点传入cvSnakeImage函数，计算出绿色的snake轮廓线。
其中参数alpha代表点相互靠拢的权值(0-1.0)，beta表示弯曲能量（越小越容易弯曲）(0-1.0)，gamma表示整体能量(0-1.0)。其中参数我自己也不确定具体的范围，最好自己更改不同的范围试试.
// TrainingTools.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include <iostream>
#include <string.h>
#include <cxcore.h>
#include <cv.h>
#include <highgui.h>
#include <fstream>
IplImage *image = 0 ; //原始图像
IplImage *image2 = 0 ; //原始图像copy
using namespace std;
int Thresholdness = 141;
int ialpha = 20;
int ibeta=20;
int igamma=20;
void onChange(int pos)
{
if(image2) cvReleaseImage(&image2);
if(image) cvReleaseImage(&image);
image2 = cvLoadImage("grey.bmp",1); //显示图片
image= cvLoadImage("grey.bmp",0);
cvThreshold(image,image,Thresholdness,255,CV_THRESH_BINARY); //分割域值
CvMemStorage* storage = cvCreateMemStorage(0);
CvSeq* contours = 0;
cvFindContours( image, storage, &contours, sizeof(CvContour), //寻找初始化轮廓
CV_RETR_EXTERNAL , CV_CHAIN_APPROX_SIMPLE );
if(!contours) return ;
int length = contours->total;
if(length<10) return ;
CvPoint* point = new CvPoint[length]; //分配轮廓点
CvSeqReader reader;
CvPoint pt= cvPoint(0,0);;
CvSeq *contour2=contours;
cvStartReadSeq(contour2, &reader);
for (int i = 0; i < length; i++)
{
CV_READ_SEQ_ELEM(pt, reader);
point[i]=pt;
}
cvReleaseMemStorage(&storage);
//显示轮廓曲线
for(int i=0;i<length;i++)
{
int j = (i+1)%length;
cvLine( image2, point[i],point[j],CV_RGB( 0, 0, 255 ),1,8,0 );
}
float alpha=ialpha/100.0f;
float beta=ibeta/100.0f;
float gamma=igamma/100.0f;
CvSize size;
size.width=3;
size.height=3;
CvTermCriteria criteria;
criteria.type=CV_TERMCRIT_ITER;
criteria.max_iter=1000;
criteria.epsilon=0.1;
cvSnakeImage( image, point,length,&alpha,&beta,&gamma,CV_VALUE,size,criteria,0 );
//显示曲线
for(int i=0;i<length;i++)
{
int j = (i+1)%length;
cvLine( image2, point[i],point[j],CV_RGB( 0, 255, 0 ),1,8,0 );
}
delete []point;
}
int main(int argc, char* argv[])
{
cvNamedWindow("win1",0);
cvCreateTrackbar("Thd", "win1", &Thresholdness, 255, onChange);
cvCreateTrackbar("alpha", "win1", &ialpha, 100, onChange);
cvCreateTrackbar("beta", "win1", &ibeta, 100, onChange);
cvCreateTrackbar("gamma", "win1", &igamma, 100, onChange);
cvResizeWindow("win1",300,500);
onChange(0);
for(;;)
{
if(cvWaitKey(40)==27) break;
cvShowImage("win1",image2);
}
return 0;
}
