网站建设 招聘/设计网站的软件
文章目录
- 前言
- imgproc 基础操作（下）
- 8. 霍夫检测
- 9. 滤波与模糊
- 10. 拟合与包围
- 总结
前言
- 需要下载安装OpenCV工具包的朋友，请前往 此处 ；
- 系统要求：Windows系统，LabVIEW>=2018，兼容32位和64位。
imgproc 基础操作（下）
8. 霍夫检测
霍夫检测，是一种用于检测图像中直线、圆等几何形状的方法。
目前包含以下方法：
| 函数 | 功能 |
|---|---|
| HoughLines | 霍夫直线检测。输入图像，返回直线数组，每条直线用（rho，theta）表示。 rho是原点到直线的垂线距离，theta是垂线的仰角（弧度），所以（rho，theta）相当于垂足的极坐标。 |
| HoughLinesPointSet | 霍夫散点直线查找。输入坐标点数组，返回直线数组，每条直线用（votes，rho，theta）表示。 votes是票数，表示有多少个散点落在该直线上。rho，theta 含义同上。 |
| HoughLinesP | 霍夫线段检测。输入图像，返回线段数组，每条线段包含其两个端点坐标（pt1，pt2）。 |
| HoughCircles | 霍夫圆检测。输入图像，返回圆数组，每个圆包含圆心坐标和半径（center，radius）。 |
- 例8-1：霍夫直线检测
- 在检测之前，一般需要对图像进行滤波降噪（blur）和边缘检测（Canny），从而保证直线检测效果；
- HoughLines 参数：
- rho：表示直线的 rho 分辨率（精度），默认为 1；
- theta：表示直线的 theta 分辨率，默认为 1/180 弧度；
- threshold：累积器阈值，只有累积值大于该阈值的直线才会被认为是有效的；
- srn 和 stn：分别代表 rho 缩放因子 和 theta 缩放因子，默认都为0；
- min_theta 和 max_theta：顾名思义，分别代表 theta 的最小值和最大值，默认范围 0 - π；
- 上图中的可视化过程已封装成子VI：draw_lines.vi，其内部算法如下图。实现方法不唯一。
- 本例先使用 LabVIEW 自带的 Polar To Re/Im 将每个极坐标转换成垂足的（X，Y）坐标，然后从垂足出发，朝两端各延申1000单位，计算得到直线上距离较远的两点，最后将这两点输入给 line 函数进行绘制。
- 例8-2：霍夫线段检测
- 与直线检测类似，线段检测也需要先降噪和边缘检测。线段检测返回端点，可以直接绘图，可视化相对简单。
- HoughLinesP 参数：
- rho、theta、threshold：同上（HoughLines）；
- minLineLength：最小线段长度；
- maxLineGap：最大线段跨度，代表同一直线上的相邻点之间的最大允许间隔；
- 例8-3：霍夫圆检测
- 霍夫圆检测也需要降噪滤波，但一般不用边缘检测，因为它自带梯度计算模式；
- HoughCircles 参数：
- method：检测方法，默认为 HOUGH_GRADIENT ，梯度检测方式；
- dp：累加器精度和图像精度之比的倒数。例如，dp=1代表累加器分辨率和输入图像分辨率相同；dp=2时累加器分辨率是输入图像的一半；
- minDist：圆心与圆心之间的最小距离，用于筛除掉过于重合的圆；
- param1：相当于 Canny 检测的高阈值，低阈值自动设为 param1 的一半；
- param2：累加器阈值，越小检测到的圆越多，越大检测到的圆越严格精确；
- minRadius 和 maxRadius：顾名思义，最小半径和最大半径；
9. 滤波与模糊
图像滤波的原理，是定义一个边长为 K （奇数）的小窗口，称为 “核”，令其在源图像上逐个像素地滑动。每滑动到一个位置，对小窗口遮罩的所有像素值进行某种运算，得到一个新的像素值，该值就作为此时小窗口中心点所在像素的滤波结果。当小窗口中心滑过源图像所有像素后，所有新的像素值就组成了滤波后的图像。
当小窗口中心沿着图像边界滑动时，会有一部分窗格落在图像边界之外，所以滤波器一般都要指定采用哪种 边界填充 方案。
根据 滤波核 与 滤波算法 的不同，图像滤波呈现的效果也不同。低通滤波器的效果是平滑图像、除噪声；高通滤波器则会锐化图像。因此，滤波的概念比模糊更广泛，模糊本质上是一种低通滤波过程。
OpenCV中，用于实现模糊、滤波，以及生成滤波核（也叫卷积核）的函数总结如下：
| 函数 | 功能 |
|---|---|
| blur | 均值模糊 |
| medianBlur | 中值模糊 |
| GaussianBlur | 高斯模糊 |
| stackBlur | StackBlur 算法，一种高斯模糊的快速近似算法，计算成本低 |
| filter2D | 通用2D图像线性滤波器 |
| sepFilter2D | 可分离的线性滤波器 |
| bilateralFilter | 双边滤波器，一种非线性滤波器 |
| boxFilter | 方盒滤波器，计算局部均值 |
| sqrBoxFilter | 类似方盒滤波器，但计算局部平方和，并归一化 |
| getGaborKernel | 生成Gabor滤波核 |
| getGaussianKernel | 生成高斯滤波核 |
| getDerivKernel | 生成导数滤波核，两个方向kx，ky |
| getStructuringElement | 生成结构化元素 |
| 其他 | 除上述之外，二值图的腐蚀、膨胀、开闭运算，梯度计算，照片降噪等等，也都算是滤波的一种。 |
上述函数在 imgproc 选板中的位置如下图：
- 例9-1：中值模糊 与 高斯模糊
- ksize 是滤波核的边长，必须是奇数；高斯核允许 ksize 的x，y方向尺寸不一样；
- sigmaX 和 sigmaY 是高斯核在x，y方向上分布的 σ 值（标准差）；
- borderType 是边界填充类型；medianBlur不用指定borderType ，它默认采用 BORDER_REPLICATE；
- 例9-2：生成高斯核，再用以 filter2D 进行滤波
- getGaussianKernel 只能生成一维高斯核（列向量），传入 filter2D 后只能进行 y 方向的滤波。如果需要二维高斯核，可以调用2次 getGaussianKernel 生成2个一维高斯核，再用 core 模块的 mulTransposed 函数计算得到二维高斯核；
- ddepth 是目标图像深度，-1代表与源图像相同；
- anchor 是卷积核的锚点，（-1，-1）代表中心点；
- delta 是偏移量，即滤波之后统一增加的值；
- borderType 是边界填充类型。
- 例9-3：生成X、Y两个方向的 导数 滤波核，再用以 sepFilter2D 进行滤波
- getDerivKernel 参数：dx，dy 分别是x，y方向的求导阶数；ksize 是核尺寸；normalize 代表是否归一化；ktype 是核数据类型；
- sepFilter2D 参数：同上文 filter2D 函数；
- 此例是典型的高通滤波。像素变化不大的区域，导数几乎为0，所以是黑色；轮廓边缘导数较大，所以被增强；
- 例9-4：bilateralFilter 双边滤波
双边滤波器在每个像素点上应用一个卷积核，卷积核的权重由 空间 高斯函数和 颜色 高斯函数共同决定。空间高斯函数考虑像素间的空间距离，而颜色高斯函数考虑像素间的颜色差异。这使得双边滤波在平滑图像的同时能够保持边缘的清晰度，非常适合用于去除噪声和保持图像特征。
- d 是滤波器直径，相当于上述卷积核尺寸；
- sigmaColor 是颜色域的高斯分布 sigma 值；
- sigmaSpace 是空间域的高斯分布 sigma 值；
- borderType 是边界填充类型。
10. 拟合与包围
拟合：指的是应用回归算法确定一条直线或曲线，使尽可能多的散点落在线上或线的附近。
包围：指的是寻找能够完全包围所有散点的最小几何图形。
相关的 OpenCV 函数总结如下：
| 函数 | 功能 |
|---|---|
| fitLine2D | 平面直线拟合 |
| fitLine3D | 空间直线拟合 |
| fitEllipse | 椭圆拟合，基于最小二乘法 |
| fitEllipseAMS | 椭圆拟合，基于近似均方 |
| fitEllipseDirect | 椭圆拟合，基于直接最小二乘法 |
| boundingRect | 计算点集的外接矩形，返回 Rect 对象 |
| minAreaRect | 计算点集的最小外接矩形，返回旋转矩形 RotatedRect 对象 |
| minEnclosingCircle | 计算点集的最小外接圆，返回圆心和半径 |
| minEnclosingTriangle | 计算点集的最小外接三角形，返回三角形顶点坐标 |
上述函数在 imgproc 选板中的位置如下图：
- 例10-1：fitLine2D 直线拟合
- 如下图，在 300x300 的背景下，用实心圆描出所有散点，然后将散点数组输入给 fitLine2D 进行拟合；
- 距离算法 distType 选择 DIST_L2，其余参数不连（使用默认），拟合结果由（vx,vy,x0,y0）描述。其中 (vx, vy)是直线的方向向量，(x0, y0) 是直线上一点，可以据此画出直线线段；
- 如果使用 fitLine3D 拟合空间直线，那么将返回 6 元素的结果（vx,vy,vz,x0,y0,z0)，包含空间方向向量（vx,vy,vz)，以及空间直线上一点（x0,y0,z0)。
- 例10-2：fitEllipse 椭圆拟合
- 如下图。fitEllipse 返回的结果是椭圆的 外接旋转矩形，需要经过转换才能用 ellipse 画图。
- 例10-3：针对相同的点集，分别做 boundingRect 与 minAreaRect 包围
- boundingRect 返回 Rect，可以直接用 rectangle 画图；
- minAreaRect 返回 RotatedRect，可以先用 boxPoints 提取其4个顶点，然后用 polylines 画成闭合四边形；
总结
- 本系列博文作为LabVIEW工具包—OpenCV的教程，将以专栏的形式陆续发布和更新。
- 对工具包感兴趣的朋友，欢迎下载试用：秣厉科技 - LabVIEW工具包 - OpenCV
- 各位看官有什么想法、建议、吐槽、批评，或新奇的需求，也欢迎留言讨论。