Я работаю над небольшим проектом OpenCV, чтобы обнаружение линий определенного цвета с камеры мобильного телефона.
Короче хотел бы:
Это те функции, которые я хотел бы использовать, но не уверен, как заполнить пропущенные биты.
Это функция processImage, вызываемая из приложение для смартфона при обработке изображений из экземпляра CvVideoCamera
- (void)processImage:(Mat&)image;
{
cv::Mat orig_image = image.clone();
cv::Mat red_image = ??
// Apply houghes transformation to detect lines between a minimum length and a maximum length (I was thinking of using the CV_HOUGH_PROBABILISTIC method..)
// Comment.. see below..
Я не могу понять документация здесь как C ++
Подпись метода не имеет поля метода
vector<Vec2f> lines;
Из официальной документации:
C ++: void HoughLines (изображение InputArray, строки OutputArray, двойное rho, двойное тэта, порог int, двойное srn = 0, двойное stn = 0)
HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0 );
Взятые из примера кода, не поняли должным образом, как это работает ..
(например, что такое использование тета? Как дать другой угол
отразить в обнаружении линии?)
for( size_t i = 0; i < lines.size(); i++ )
{
Здесь я должен рассматривать только строки выше определенного размера .. (не знаю, как)
}
Здесь я должен затем добавить результирующие строки к исходному изображению (не знаю, как), чтобы они могли быть показаны на экране ..
Любая помощь будет принята с благодарностью.
Вы можете использовать цветовое пространство HSV для извлечения информации о цветовых тонах.
Вот код с комментариями, если есть какие-либо вопросы, не стесняйтесь задавать:
int main(int argc, char* argv[])
{
cv::Mat input = cv::imread("C:/StackOverflow/Input/coloredLines.png");
// convert to HSV color space
cv::Mat hsvImage;
cv::cvtColor(input, hsvImage, CV_BGR2HSV);
// split the channels
std::vector<cv::Mat> hsvChannels;
cv::split(hsvImage, hsvChannels);
// hue channels tells you the color tone, if saturation and value aren't too low.
// red color is a special case, because the hue space is circular and red is exactly at the beginning/end of the circle.
// in literature, hue space goes from 0 to 360 degrees, but OpenCV rescales the range to 0 up to 180, because 360 does not fit in a single byte. Alternatively there is another mode where 0..360 is rescaled to 0..255 but this isn't as common.
int hueValue = 0; // red color
int hueRange = 15; // how much difference from the desired color we want to include to the result If you increase this value, for example a red color would detect some orange values, too.
int minSaturation = 50; // I'm not sure which value is good here...
int minValue = 50; // not sure whether 50 is a good min value here...
cv::Mat hueImage = hsvChannels[0]; // [hue, saturation, value]
// is the color within the lower hue range?
cv::Mat hueMask;
cv::inRange(hueImage, hueValue - hueRange, hueValue + hueRange, hueMask);
// if the desired color is near the border of the hue space, check the other side too:
// TODO: this won't work if "hueValue + hueRange > 180" - maybe use two different if-cases instead... with int lowerHueValue = hueValue - 180
if (hueValue - hueRange < 0 || hueValue + hueRange > 180)
{
cv::Mat hueMaskUpper;
int upperHueValue = hueValue + 180; // in reality this would be + 360 instead
cv::inRange(hueImage, upperHueValue - hueRange, upperHueValue + hueRange, hueMaskUpper);
// add this mask to the other one
hueMask = hueMask | hueMaskUpper;
}
// now we have to filter out all the pixels where saturation and value do not fit the limits:
cv::Mat saturationMask = hsvChannels[1] > minSaturation;
cv::Mat valueMask = hsvChannels[2] > minValue;
hueMask = (hueMask & saturationMask) & valueMask;
cv::imshow("desired color", hueMask);
// now perform the line detection
std::vector<cv::Vec4i> lines;
cv::HoughLinesP(hueMask, lines, 1, CV_PI / 360, 50, 50, 10);
// draw the result as big green lines:
for (unsigned int i = 0; i < lines.size(); ++i)
{
cv::line(input, cv::Point(lines[i][0], lines[i][1]), cv::Point(lines[i][2], lines[i][3]), cv::Scalar(0, 255, 0), 5);
}cv::imwrite("C:/StackOverflow/Output/coloredLines_mask.png", hueMask);
cv::imwrite("C:/StackOverflow/Output/coloredLines_detection.png", input);
cv::imshow("input", input);
cv::waitKey(0);
return 0;
}
используя это входное изображение:
Будет извлекать этот «красный» цвет (настроить hueValue
а также hueRange
обнаружить разные цвета):
и HoughLinesP обнаруживает эти строки из маски (должен работать с HoughLines
так же):
Вот еще один набор изображений с нелинейными линиями тоже …
О ваших разных вопросах:
Есть две функции HoughLines и HoughLinesP. HoughLines не извлекает длину строки, но вы можете вычислить ее в постобработке, снова проверив, какие пиксели маски края (входные данные HoughLines) соответствуют извлеченной строке.
параметры:
изображение — край изображения (должно быть ясно?)
линии — линии, заданные углом и положением, без длины или чч. они интерпретируются бесконечно долго
rho — разрешение аккумулятора. Чем больше, тем надежнее в случае слегка искаженных линий должно быть, но менее точно в положении / угле извлеченных линий
Порог — чем больше, тем меньше ложных срабатываний, но вы можете пропустить некоторые строки
тета — угловое разрешение: чем меньше, тем больше разных линий (в зависимости от ориентации) можно обнаружить. Если ориентация вашей линии не соответствует угловым шагам, линия может быть не обнаружена. Например, если вы CV_PI/180
обнаружит в 1°
разрешение, если ваша строка имеет 0.5°
(например. 33.5°
) ориентация, это может быть пропущено.
Я не очень уверен во всех параметрах, возможно, вам придется взглянуть на литературу по обнаружению сильных линий, или кто-то еще может добавить некоторые подсказки здесь.
Если вы вместо этого используете cv::HoughLinesP
будут обнаружены отрезки линии с начальной и конечной точкой, что проще для интерпретации, и вы можете вычислить длину линии из cv::norm(cv::Point(lines[i][0], lines[i][1]) - cv::Point(lines[i][2], lines[i][3]))
Я не буду показывать код, но шаги с некоторыми хитростями.
Предположим, что вы хотите обнаружить дорожные полосы (это линии белого или светло-желтого цвета, имеющие определенные свойства).
Исходное изображение(Я добавляю несколько дополнительных строк, чтобы шуметь)
Шаг 1: Удалите части изображения, которые не нужно использовать, сохраните загрузку процессора (просто, но полезно)
Шаг 2: Преобразовать в серое изображение
Шаг 3: порог
Используя порог в соответствии с цветом вашей линии, цвет станет белым, а другие станут черными
Шаг 4: Использование контуров для нахождения границ объектов
Шаг 5: Использование Fitline с Контурами на предыдущем шаге является вводом для возврата уравнений линий
Fitline возвращает (x0, y0) и вектор v = (a, b)
Шаг 6: С помощью уравнений линий вы можете нарисовать любую нужную вам линию