首先請出我們的主角

我們今天要識別的就是這張圖片，然后首先我們來看看最后的識別效果：

雖然識別出來之后畫的標記不是很好，但是只要位置信息出來了，畫標記其實是次要的了。

預備知識

這里先介紹一下用到的OpenCV中的名詞（有函數(shù)有類）

Mat：類名，用于儲存圖像

namedWindow：使imshow函數(shù)展示的圖片窗口大小可調(diào)

imshow：展示圖片，并自定義圖片窗口名

RotatedRect：旋轉(zhuǎn)矩形，類名

Point2f：一個點，點的兩個坐標為float型變量

points：返回旋轉(zhuǎn)矩形的四個頂點

line：連線函數(shù)，參數(shù)的意義為：繪制的圖片，點1，點2，線的顏色，線的寬度

cvtColor：將圖片轉(zhuǎn)化為灰度圖，三個參數(shù)的含義為：輸入圖片，輸出圖片，轉(zhuǎn)換的細節(jié)（我也剛學，建議csdn）

threshold：將圖片轉(zhuǎn)化為灰度圖：五個參數(shù)的含義為：輸入圖片，輸出圖片，亮度下界，亮度上界（上下界之中的像素會被置為白色，其余為黑色），轉(zhuǎn)化細節(jié)（不了解，同上^ 3^）

split：人如其名，將一張圖片的RGB分裂開來，以BGR的順序存在Mat數(shù)組中（便于后面的尋找顏色位置）

subtract：做減法，不過對象為兩張圖片，三個參數(shù)為：被減數(shù)，減數(shù)，差
不過這里需要注意的是，RoboMaster里面只有兩種裝甲板，紅色和藍色，紅色我們就紅減藍，藍色我們就藍減紅

getStructuringElement：的意義是創(chuàng)建一個用于膨脹操作的圖形，兩個參數(shù)的含義是：圖形類型（有矩形，橢圓啥的），大小

dilate：膨脹操作，三個參數(shù)的含義為：輸入圖像，輸出圖像，膨脹用的圖形

Point：表示一個點

findContours：根據(jù)二值圖片，尋找二值位置的輪廓，四個參數(shù)的含義為：輸入圖片，儲存輪廓容器，后面兩個是找輪廓的選項（我也不是很了解）

auto：這個不用多說哈

minAreaRect：找到能夠裝下這個輪廓的最小矩形

waitKey：設置展示圖片多久自動關(guān)閉窗口，單位為毫秒，若為0，則為手動關(guān)閉

然后我們一步步介紹識別步驟

（所有實現(xiàn)基于VS2017+OpenCV4.1.1）

首先我們需要讀入圖片，用庫函數(shù)imread讀入，我們的圖片文件需要與main文件在同一位置，不然我這樣讀取會報錯

然后對其進行預處理（傳入pretreat函數(shù)中），預處理的目的是得到一張經(jīng)過膨脹操作后的二值圖，再用后續(xù)的操作得到輪廓并畫出

現(xiàn)在我們先介紹pretreat函數(shù)：

首先我們將傳入的圖片轉(zhuǎn)換為一個灰度圖
cvtColor(raw, grey, COLOR_BGR2GRAY);

然后轉(zhuǎn)化為二值圖
threshold(grey, bigrey, 150, 255, THRESH_BINARY);

再將原圖RGB分離
split(raw, channel);

將B通道減去R通道
subtract(channel[0], channel[2], sub_br);

將相減之后的圖片二值化
threshold(sub_br, sub_br, 110, 255, THRESH_BINARY);

創(chuàng)建一個用于膨脹的圖形
Mat element1 = getStructuringElement(MORPH_RECT, Size(3, 3));

進行膨脹操作
dilate(sub_br, sub_br, element1);

ret = sub_br & bigrey;這一句，我們用原圖 灰度二值 之后的圖片與（&）上原圖 通道相減二值膨脹 之后的圖片，提取出較為可信的候選區(qū)域后，再進行膨脹

創(chuàng)建另一個用于膨脹的圖片
Mat element2 = getStructuringElement(MORPH_RECT, Size(2, 2));

對我們與操作之后的結(jié)果進行膨脹操作
dilate(ret, ret, element2);

然后將ret作為結(jié)果傳出

可能會很疑惑，這些參數(shù)都是怎么來的
沒錯都是一個個試出來的，換了圖片就不一定管用了

---

---

然后介紹一下fixarmor函數(shù)（后續(xù)的展示基于原圖）

其實這張圖經(jīng)過預處理之后還會剩余很多的不需要的白色色塊，這個時候就需要我們用匹配進行取舍，只有能夠配對的我們才將其保留下來
還有就是，這里的匹配操作的時間復雜度是 O(n²)，我說實話我不知道有沒有更好的匹配方法

contour：我們儲存輪廓的容器，但是我不知道為什么需要這么創(chuàng)建（指模板參數(shù)）考ccf差點坑死我（指創(chuàng)建方式）

rect：存我們匹配后的所有矩形

ret：最后配對成功時，會以pair的形式存在ret中

findContours(img, contour, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);找輪廓

然后將輪廓弄成矩形后，存在rect中

（這里用找到的temp畫的圖）

然后雙重for，匹配燈條（匹配完之后就是我們最后的結(jié)果，所以不展示了）
我這里用了角度，面積，長寬比進行篩選
（除了長寬比需要用取出的長除取出的寬之外，其余兩個都是成員變量）

后面就是匹配，沒錯參數(shù)也是我一個個試出來的

最后是源碼：（這個沒有分文件編寫

#include<opencv2/opencv.hpp> #include<iostream> #include<vector> #include<cmath> using namespace std; using namespace cv;void show(Mat img, string name) {namedWindow(name, 0);imshow(name, img);return; }void drawrect(Mat &img, RotatedRect ob) {Point2f v[4];ob.points(v);for (int i = 0; i < 4; i++)line(img, v[i], v[(i + 1) % 4], Scalar(0, 255, 0), 1);return; }void drawtarget(Mat &img, RotatedRect ob1, RotatedRect ob2) {Point2f v1[4], v2[4];ob1.points(v1);ob2.points(v2);line(img, v1[0], v1[1], Scalar(0, 255, 0), 1);line(img, v1[0], v2[3], Scalar(0, 255, 0), 1);line(img, v2[2], v1[1], Scalar(0, 255, 0), 1);line(img, v2[2], v2[3], Scalar(0, 255, 0), 1);return; }Mat pretreat(Mat raw) {Mat grey;cvtColor(raw, grey, COLOR_BGR2GRAY);Mat bigrey;threshold(grey, bigrey, 150, 255, THRESH_BINARY);Mat channel[3];split(raw, channel);Mat sub_br;subtract(channel[0], channel[2], sub_br);threshold(sub_br, sub_br, 110, 255, THRESH_BINARY);Mat element1 = getStructuringElement(MORPH_RECT, Size(3, 3));dilate(sub_br, sub_br, element1);Mat ret;ret = sub_br & bigrey;Mat element2 = getStructuringElement(MORPH_RECT, Size(2, 2));dilate(ret, ret, element2);return ret; }void fixarmor(Mat &raw,Mat img) {vector<vector<Point>> contour;vector<RotatedRect> rect,finall;vector<pair<RotatedRect, RotatedRect>> ret;findContours(img, contour, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);for (auto x : contour){RotatedRect temp = minAreaRect(x);rect.push_back(temp);}for (auto x : rect){for (auto y : rect){double xangle, yangle, xarea, yarea, xrate, yrate;xarea = x.size.area();xangle = x.angle;yarea = y.size.area();yangle = y.angle;xrate = x.size.height / x.size.width;yrate = y.size.height / y.size.width;if (xarea == yarea) continue;if (xangle > 10 || yangle > 10) continue;if (xarea < 15 || yarea < 15) continue;if (fabs(xarea - yarea) < 20 && fabs(xangle - yangle) < 2&& fabs(xrate - yrate) < 0.1&&fabs(x.size.height - y.size.height) < 5&& fabs(x.size.width - y.size.width) < 5)ret.push_back({ x,y });}}//cout << ret.size() << endl;for (auto x : ret) { drawrect(raw, x.first); drawrect(raw, x.second);}for (auto x : ret) drawtarget(raw, x.first, x.second);return; }int main() {Mat hero = imread("hero.jpg");Mat temp = pretreat(hero);fixarmor(hero,temp);show(hero, "hero");waitKey(0);//system("pause");return 0; }

然后按道理是可以將藍減紅改成紅減藍來識別紅色燈條的我沒試過，如果識別不了，可以評論私信找我擊劍

截中間圖好麻煩
不要問我為什么用綠色畫圖，我做題看不到綠色，所以我要多看看綠色

總結(jié)

以上是生活随笔為你收集整理的对一张静态图片的识别的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。