OpenCV开发笔记（五十六）：红胖子8分钟带你深入了解多种图形拟合逼近轮廓（图文并茂+浅显易懂+程序源码）

若该文为原创文章，未经允许不得转载
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106180872
各位读者，知识无穷而人力有穷，要么改需求，要么找专业人士，要么自己研究
红胖子(红模仿)的博文大全：开发技术集合（包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等）持续更新中…（点击传送门）

OpenCV开发专栏（点击传送门）

上一篇：《OpenCV开发笔记（五十五）：红胖子8分钟带你深入了解Haar、LBP特征以及级联分类器识别过程（图文并茂+浅显易懂+程序源码）》
下一篇：《OpenCV开发笔记（五十七）：红胖子8分钟带你深入了解直方图反向投影（图文并茂+浅显易懂+程序源码）》

前言

  红胖子，来也！
  识别目标，可以通过图形拟合，将目标提取出来。

 

Demo

  
  
  
  
   
  

 

寻找轮廓

   参考博文《OpenCV开发笔记（四十九）：红胖子8分钟带你深入了解轮廓识别（图文并茂+浅显易懂+程序源码）》

 

寻找轮廓凸包

  参考博文《OpenCV开发笔记（五十）：红胖子8分钟带你深入了解轮廓凸包（图文并茂+浅显易懂+程序源码）》

 

对轮廓凸包进行多图形拟合

概述

  寻找轮廓之后，openCV提供了对输入点集合进行多种图形进行拟合的方法，基本都是输入之前寻找凸包后再进行操作，当然也可以直接对了轮廓进行操作。
  识别不同的目标物体，根据形状可以剔除，还可以做很多其他的操作，比如车牌识别，提取车牌号码，那么直接可以拿到每个车牌字符的矩形，直接对矩形进行roi，然后在进行下一步的识别操作（补充：这部分可以拿到坐标后，自己写算法也是一样，看个人习惯）。

返回包围的矩形函数原型

  （返回的是水平的矩形）

Rect boundingRect( InputArray points );

• 参数一：InputArray类型的points，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中；

返回包围的最小面积矩形函数原型

（最小面积则其返回的矩形基本都是旋转的，注意返回的类型）

RotatedRect minAreaRect( InputArray points );

• 参数一：InputArray类型的points，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中；

返回包围的圆形函数原型

void minEnclosingCircle( InputArray points,
                         Point2f& center,
                         float& radius );

• 参数一：InputArray类型的points，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中；
• 参数二：Point2f类型的center，返回圆形的中心点；
• 参数三：float类型的radius，返回圆形的半径；

返回包围的最小椭圆函数原型

  （注意：至少需要输入6个点）

RotatedRect fitEllipse( InputArray points );

• 参数一：InputArray类型的points，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中（至少要6个点）；
    返回提取四个点的代码：

cv::RotatedRect rotateRect = cv::minAreaRect(hullPoints);
cv::Point2f vertex[4];
rotateRect.points(vertex);

返回包围的多边形拟合函数原型

void approxPolyDP( InputArray curve,
                   OutputArray approxCurve,
                   double epsilon,
                   bool closed );

• 参数一：InputArray类型的curve，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中；
• 参数二：OutputArray类型的approxCurve；输出多边形结果std::vector<cv::Point2f>；
• 参数三：double类型的epsilon，指定近似精度。这是最大距离；
• 参数四：bool类型的closed，如果为真，则近似曲线是闭合的（其第一个顶点和最后一个顶点是已连接）。否则，它不会关闭。

返回包围的最小三角形函数原型

double minEnclosingTriangle( InputArray points, OutputArray triangle );

• 参数一：InputArray类型的points，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中；
• 参数二：OutputArray类型triangle，返回三角形；

 

Demo源码

void OpenCVManager::testFitting()
{
    QString fileName1 =
            "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/10.jpg";
    cv::Mat srcMat = cv::imread(fileName1.toStdString());
    cv::Mat dstMat;
    int width = 400;
    int height = 300;
    cv::resize(srcMat, srcMat, cv::Size(width, height));
    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);
    cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 3,
                                         srcMat.rows * 4),
                                srcMat.type());
    int sigmaS = 100;
    int sigmaR = 1.0;
    int thresh = 232;
    int maxval = 255;
    while(true)
    {
        // 刷新全图黑色
        windowMat = cv::Scalar(0, 0, 0);
        // 原图复制
        cv::Mat mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
                                cv::Range(srcMat.cols * 0, srcMat.cols * 1));
        cv::addWeighted(mat, 0.0f, srcMat, 1.0f, 0.0f, mat);
        cv::Mat tempMat;
        {
            {
                cvui::printf(windowMat, 75 + width * 1, 40 + height * 0, "sigmaS");
                cvui::trackbar(windowMat, 75 + width * 1, 50 + height * 0, 165, &sigmaS, 101, 10000);
                cvui::printf(windowMat, 75 + width * 1, 90 + height * 0, "sigmaR");
                cvui::trackbar(windowMat, 75 + width * 1, 100, 165 + height * 0, &sigmaR, 1, 100);
                // 使用自适应流形应用高维滤波。
                cv::Ptr<cv::ximgproc::AdaptiveManifoldFilter> pAdaptiveManifoldFilter
                        = cv::ximgproc::createAMFilter(sigmaS/100.0f, sigmaR/100.0f, true);
                pAdaptiveManifoldFilter->filter(srcMat, tempMat);
                // 效果图copy
                mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                cv::Range(srcMat.cols * 0, srcMat.cols * 1));
                cv::addWeighted(mat, 0.0f, tempMat, 1.0f, 0.0f, mat);
            }
            //  转为灰度图像
            cv::cvtColor(tempMat, tempMat, cv::COLOR_BGR2GRAY);
            // 车牌时，对灰度图取反操作
//            tempMat = ~tempMat;
            {
                // 调整阈值化的参数thresh
                cvui::printf(windowMat, 75 + width * 1, 20 + height * 1, "thresh");
                cvui::trackbar(windowMat, 75 + width * 1, 40 + height * 1, 165, &thresh, 0, 255);
                // 调整阈值化的参数maxval
                cvui::printf(windowMat, 75 + width * 1, 80 + height * 1, "maxval");
                cvui::trackbar(windowMat, 75 + width * 1, 100 + height * 1, 165, &maxval, 0, 255);
                // 阈值化，注意：此处使用了THRESH_BINARY_INV，白色是255，255，255所以反转阈值化
                cv::threshold(tempMat, tempMat, thresh, maxval, cv::THRESH_BINARY_INV);
                // 效果图copy
                mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
                                cv::Range(srcMat.cols * 2, srcMat.cols * 3));
                //  转换图像
                cv::Mat grayMat;
                cv::cvtColor(tempMat, grayMat, cv::COLOR_GRAY2BGR);
                cv::addWeighted(mat, 0.0f, grayMat, 1.0f, 0.0f, mat);
            }
            // 寻找轮廓
            {
                std::vector<std::vector<cv::Point>> contours;
                std::vector<cv::Vec4i> hierarchy;
                // 查找轮廓：RETR_EXTERNAL-最外层轮廓
                cv::findContours(tempMat, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
                // 遍历所有顶层轮廓，并绘制出来
                dstMat = srcMat.clone();
                cv::Mat emptyMat = srcMat.clone();
                emptyMat = cv::Scalar(0,0,0);
                // 拟合矩形框
                cv::Mat fittingRectMat = srcMat.clone();
                cv::Mat fittingMinAreaRectMat = srcMat.clone();
                cv::Mat fittingMinAreaCircleMat = srcMat.clone();
                cv::Mat fittingEllipseMat = srcMat.clone();
                cv::Mat fittingPolyMat = srcMat.clone();
                // 轮廓contours[i]对应4个hierarchy元素hierarchy[i][0]~ hierarchy[i][3]，
                // hierarchy[i][0]表示后一个轮廓的索引编号
                // hierarchy[i][1]前一个轮廓的索引编号
                // hierarchy[i][2]父轮廓的索引编号
                // hierarchy[i][3]内嵌轮廓的索引编号
                for(int index = 0; index >=0; index = hierarchy[index][0])
                {
                    if(hierarchy.size() <= 0)
                    {
                        break;
                    }
                    cv::Scalar color;
                    if(index < hierarchy.size() / 3)
                    {
                        color = cv::Scalar(250 / (hierarchy.size() / 3) * index, 125, 255);
                    }else if(index < hierarchy.size() / 3 * 2)
                    {
                        color = cv::Scalar(255, 250 / (hierarchy.size() / 3) * (index - hierarchy.size() / 3), 125);
                    }else
                    {
                        color = cv::Scalar(125, 255, 250 / (hierarchy.size() / 3 == 0 ? 1 :
                                                                              hierarchy.size() / 3) * (index - hierarchy.size() / 3 * 2));
                    }
                    // 绘制轮廓里面的第几个
                    cv::drawContours(emptyMat, contours, index, color, CV_FILLED, 8, hierarchy);
                    // 寻找最大凸包
                    std::vector<cv::Point> hullPoints;
                    std::vector<int> hullIndex;
                    cv::convexHull(contours[index], hullPoints, false, true);
                    cv::convexHull(contours[index], hullIndex, false, false);
                    // 绘制凸包包围线
                    for(int index2 = 1; index2 < hullPoints.size(); index2++)
                    {
                        cv::line(mat, hullPoints.at(index2 - 1), hullPoints.at(index2), cv::Scalar(0, 0, 0), 2);
                        cv::line(dstMat, hullPoints.at(index2 - 1), hullPoints.at(index2), cv::Scalar(0, 0, 0), 2);
                    }
                    qDebug() << __FILE__ << __LINE__ << "index =" << index << "total =" << hierarchy.size();
                    // 使用形状拟合
                    // 使用外部包围矩形
                    {
                        cv::Rect rect = cv::boundingRect(hullPoints);
                        cv::rectangle(fittingRectMat, rect, cv::Scalar(0, 255, 0), 2);
                    }
                    // 使用外部最小包围矩形
                    {
                        cv::RotatedRect rotateRect = cv::minAreaRect(hullPoints);
                        cv::Point2f vertex[4];
                        rotateRect.points(vertex);
                        for(int index = 0; index < 4; index++)
                        {
                            cv::line(fittingMinAreaRectMat, vertex[index % 4], vertex[(index + 1) % 4], cv::Scalar(255, 0, 0), 2);
                        }
                    }
                    // 使用外部包围圆形（圆形就是最小了，不存在形变）
                    {
                        cv::Point2f center;
                        float radius;
                        cv::minEnclosingCircle(hullPoints, center, radius);
                        cv::circle(fittingMinAreaCircleMat, center, radius, cv::Scalar(0, 0, 0), 2);
                    }
                    // 使用外部椭圆拟合：至少要6个点
                    {
                        qDebug() << __FILE__ << __LINE__ << hullPoints.size();
                        if(hullPoints.size() >= 6)
                        {
                            cv::RotatedRect rotateRect = cv::fitEllipse(hullPoints);
                            cv::ellipse(fittingEllipseMat, rotateRect, cv::Scalar(0, 0, 0), 2);
                        }
                    }
                    // 使用多边形拟合
                    {
                        std::vector<cv::Point> polyPoints;
                        cv::approxPolyDP(hullPoints, polyPoints, 3, true);
                        std::vector<std::vector<cv::Point>> contour;
                        contour.push_back(polyPoints);
                        cv::drawContours(fittingPolyMat, contour, 0, cv::Scalar(0, 0, 0), 2);
                    }
                }
                // 效果图copy：轮廓图
                mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                cv::Range(srcMat.cols * 2, srcMat.cols * 3));
                cv::addWeighted(mat, 0.0f, emptyMat, 1.0f, 0.0f, mat);
                // 效果图copy：对已知轮廓进行最大凸包检测
                mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                                cv::Range(srcMat.cols * 0, srcMat.cols * 1));
                cv::addWeighted(mat, 0.0f, dstMat, 1.0f, 0.0f, mat);
                // 效果图copy：黑色图拟合矩形
                mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                                cv::Range(srcMat.cols * 1, srcMat.cols * 2));
                cv::addWeighted(mat, 0.0f, fittingRectMat, 1.0f, 0.0f, mat);
                // 效果图copy：原图拟合矩形
                mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                                cv::Range(srcMat.cols * 1, srcMat.cols * 2));
                cv::addWeighted(mat, 0.0f, fittingRectMat, 1.0f, 0.0f, mat);
                // 效果图copy：原图拟合最小矩形
                mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                                cv::Range(srcMat.cols * 2, srcMat.cols * 3));
                cv::addWeighted(mat, 0.0f, fittingMinAreaRectMat, 1.0f, 0.0f, mat);
                // 效果图copy：原图拟合最小圆形
                mat = windowMat(cv::Range(srcMat.rows * 3, srcMat.rows * 4),
                                cv::Range(srcMat.cols * 0, srcMat.cols * 1));
                cv::addWeighted(mat, 0.0f, fittingMinAreaCircleMat, 1.0f, 0.0f, mat);
                // 效果图copy：原图拟合最小椭圆
                mat = windowMat(cv::Range(srcMat.rows * 3, srcMat.rows * 4),
                                cv::Range(srcMat.cols * 1, srcMat.cols * 2));
                cv::addWeighted(mat, 0.0f, fittingEllipseMat, 1.0f, 0.0f, mat);
                // 效果图copy：原图拟合多边形
                mat = windowMat(cv::Range(srcMat.rows * 3, srcMat.rows * 4),
                                cv::Range(srcMat.cols * 2, srcMat.cols * 3));
                cv::addWeighted(mat, 0.0f, fittingPolyMat, 1.0f, 0.0f, mat);
            }
        }
        // 更新
        cvui::update();
        // 显示
        cv::imshow(windowName, windowMat);
        // esc键退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}

 

工程模板：对应版本号v1.50.0

   对应版本号v1.50.0

 

上一篇：《OpenCV开发笔记（五十五）：红胖子8分钟带你深入了解Haar、LBP特征以及级联分类器识别过程（图文并茂+浅显易懂+程序源码）》
下一篇：《OpenCV开发笔记（五十七）：红胖子8分钟带你深入了解直方图反向投影（图文并茂+浅显易懂+程序源码）》

原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106180872