Продвинутая обработка изображений в OpenCV на C++
Продвинутая обработка изображений означает выполнение более сложных задач на основе базовой обработки изображений (таких как фильтрация, обнаружение краёв и т. д.), например сегментация изображений, обнаружение контуров, морфологические операции, обработка гистограмм и многое другое. Эти методы широко используются в таких областях, как обнаружение объектов, анализ изображений и обработка медицинских изображений.
Сценарии применения продвинутой обработки изображений
Анализ медицинских изображений:
Используйте методы сегментации изображений для выделения областей поражения.
Используйте морфологические операции для удаления шума.
Обнаружение и отслеживание объектов:
Используйте обнаружение контуров и сопоставление с шаблоном для определения местоположения объектов.
Используйте обработку гистограмм для улучшения признаков объектов.
Улучшение изображений:
Используйте выравнивание гистограммы для улучшения контраста изображения.
Используйте алгоритм водораздела для разделения перекрывающихся объектов.
Сегментация изображений
Сегментация изображений — важный этап обработки изображений. Она разделяет изображение на несколько областей или объектов для дальнейшего анализа и обработки. Распространённые методы сегментации изображений включают пороговую сегментацию, сегментацию на основе краёв и сегментацию на основе областей.
Пороговая сегментация
Пороговая сегментация — один из простейших методов сегментации изображений. Она классифицирует значения пикселей по разным категориям, задавая один или несколько порогов. Распространённые методы пороговой сегментации включают глобальную пороговую обработку и адаптивную пороговую обработку.
Глобальная пороговая обработка
Глобальная пороговая обработка использует фиксированный порог для разделения изображения на передний план и фон. OpenCV предоставляетcv::thresholdфункцию для реализации этого.
cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
cv::Mat dst;
cv::threshold(src, dst, 128, 255, cv::THRESH_BINARY);
В приведённом выше коде,128— это порог,255— это максимальное значение пикселя,cv::THRESH_BINARYуказывает на использование метода бинарной пороговой обработки.
Адаптивная пороговая обработка
Адаптивная пороговая обработка динамически регулирует порог на основе локальных областей изображения. OpenCV предоставляетcv::adaptiveThresholdфункцию для реализации этого.
cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
cv::Mat dst;
cv::adaptiveThreshold(src, dst, 255, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, 11, 2);
В приведённом выше коде,255— это максимальное значение пикселя,cv::ADAPTIVE_THRESH_MEAN_Cуказывает на использование локального среднего в качестве порога,11является размером окрестности,2— это константа.
Сегментация на основе границ
Сегментация на основе границ сегментирует изображение путем обнаружения границ на изображении. Распространенные алгоритмы обнаружения границ включают обнаружение границ Canny и оператор Sobel.
Обнаружение границ Canny
Обнаружение границ Canny — это многостадийный алгоритм обнаружения границ. OpenCV предоставляетcv::Cannyфункцию для реализации этого.
cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
cv::Mat edges;
cv::Canny(src, edges, 100, 200);
В приведённом выше коде,100и200являются двумя порогами алгоритма Canny.
Сегментация на основе областей (алгоритм водораздела)
Сегментация на основе областей выполняет сегментацию, разделяя изображение на несколько областей. Алгоритм водораздела — часто используемый метод сегментации на основе областей.
Алгоритм водораздела
Алгоритм водораздела рассматривает изображение как топографическую карту и сегментирует его, моделируя распространение водного потока. OpenCV предоставляетcv::watershedфункцию для реализации этого.
cv::Mat src = cv::imread("image.jpg");
cv::Mat markers = cv::Mat::zeros(src.size(), CV_32S);
cv::watershed(src, markers);
В приведённом выше коде,markers— это матрица маркеров, используемая для хранения результата сегментации.
Обнаружение контуров
Обнаружение контуров — важный шаг в обработке изображений. Оно используется для обнаружения границ объектов на изображении. OpenCV предоставляет различные функции для обнаружения и обработки контуров.
Поиск контуров
Поиск контуров — это первый шаг обнаружения контуров. OpenCV предоставляетcv::findContoursфункцию для реализации этого.
cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
std::vector<std::vector<cv::Point>> contours;
std::vector<cv::Vec4i> hierarchy;
cv::findContours(src, contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);
В приведённом выше коде,contours— это вектор, хранящий контуры,hierarchy— это вектор, хранящий иерархию контуров.
Признаки контуров
Признаки контуров включают площадь, периметр, ограничивающий прямоугольник и другое. OpenCV предоставляет различные функции для вычисления этих признаков.
Область
Площадь — важный признак контура. OpenCV предоставляетcv::contourAreaфункцию для вычисления площади контура.
double area = cv::contourArea(contours[0]);
Perimeter
Периметр — ещё один важный признак контура. OpenCV предоставляетcv::arcLengthфункция для вычисления периметра контура.
double perimeter = cv::arcLength(contours[0], true);
Ограничивающий прямоугольник
Ограничивающий прямоугольник — это минимальный охватывающий прямоугольник контура. OpenCV предоставляетcv::boundingRectфункцию для вычисления ограничивающего прямоугольника.
cv::Rect rect = cv::boundingRect(contours[0]);
Рисование контуров
Рисование контуров означает отрисовку обнаруженных контуров на изображении. OpenCV предоставляетcv::drawContoursфункцию для реализации этого.
cv::Mat dst = cv::Mat::zeros(src.size(), CV_8UC3); cv::drawContours(dst, contours, -1, cv::Scalar(0, 255, 0), 2);
В приведённом выше коде,dst— это изображение после отрисовки контуров,cv::Scalar(0, 255, 0)— это цвет контуров,2— это толщина линии контуров.
Сопоставление шаблонов
Сопоставление шаблонов — это метод поиска конкретного шаблона на изображении. OpenCV предоставляетcv::matchTemplateфункцию для реализации этого.
Сопоставление с одним шаблоном
Сопоставление с одним шаблоном — это поиск одного шаблона на изображении. OpenCV предоставляетcv::matchTemplateфункцию для реализации этого.
cv::Mat src = cv::imread("image.jpg");
cv::Mat templ = cv::imread("template.jpg");
cv::Mat result;
cv::matchTemplate(src, templ, result, cv::TM_CCOEFF_NORMED);
В приведённом выше коде,result— это матрица результатов сопоставления,cv::TM_CCOEFF_NORMED— это метод сопоставления.
Сопоставление с несколькими шаблонами
Сопоставление с несколькими шаблонами — это поиск нескольких шаблонов на изображении. Его можно реализовать, перебирая матрицу результатов сопоставления.
double minVal, maxVal; cv::Point minLoc, maxLoc; cv::minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
В приведённом выше коде,maxLoc— это позиция максимального значения в результате сопоставления.
Пример
Алгоритм водораздела
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// Прочитать изображение
Mat image = imread("objects.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение. Проверьте правильность пути." << endl;
return -1;
}
// Преобразовать в оттенки серого
Mat gray;
cvtColor(image, gray, COLOR_BGR2GRAY);
// Бинаризация
Mat binary;
threshold(gray, binary, 0, 255, THRESH_BINARY_INV + THRESH_OTSU);
// Удаление шума
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(binary, binary, MORPH_OPEN, kernel, Point(-1, -1), 2);
// Вычисление преобразования расстояний
Mat dist;
distanceTransform(binary, dist, DIST_L2, 5);
// Нормализация изображения преобразования расстояний
normalize(dist, dist, 0, 1.0, NORM_MINMAX);
// Бинаризовать изображение преобразования расстояний
threshold(dist, dist, 0.5, 1.0, THRESH_BINARY);
// Найти контуры
Mat dist_8u;
dist.convertTo(dist_8u, CV_8U);
vector<vector<Point>> contours;
findContours(dist_8u, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
// Создать изображение маркеров
Mat markers = Mat::zeros(dist.size(), CV_32S);
for (size_t i = 0; i < contours.size(); i++) {
drawContours(markers, contours, static_cast<int>(i), Scalar(static_cast<int>(i) + 1), -1);
}
// Применить алгоритм водораздела
watershed(image, markers);
// Вывести результат
Mat result = image.clone();
for (int i = 0; i < markers.rows; i++) {
for (int j = 0; j < markers.cols; j++) {
if (markers.at<int>(i, j) == -1) {
result.at<Vec3b>(i, j) = Vec3b(0, 255, 0); // Отметить границы зелёным
}
}
}
imshow("Результат водораздела", result);
waitKey(0);
return 0;
}
Обнаружение контуров
Обнаружение контуров используется для извлечения границ объектов на изображении.
OpenCV предоставляет функцию findContours для обнаружения контуров.
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// Прочитать изображение
Mat image = imread("objects.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение. Проверьте правильность пути." << endl;
return -1;
}
// Преобразовать в оттенки серого
Mat gray;
cvtColor(image, gray, COLOR_BGR2GRAY);
// Бинаризация
Mat binary;
threshold(gray, binary, 0, 255, THRESH_BINARY_INV + THRESH_OTSU);
// Найти контуры
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(binary, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
// Рисуем контуры
Mat result = Mat::zeros(image.size(), CV_8UC3);
for (size_t i = 0; i < contours.size(); i++) {
drawContours(result, contours, i, Scalar(0, 255, 0), 2);
}
// Вывести результат
imshow("Контуры", result);
waitKey(0);
return 0;
}
Морфологические операции
Морфологические операции — это методы обработки изображений, основанные на форме, обычно используемые для удаления шума, разделения объектов и многого другого.
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// Прочитать изображение
Mat image = imread("noisy_image.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение. Проверьте правильность пути." << endl;
return -1;
}
// Преобразовать в оттенки серого
Mat gray;
cvtColor(image, gray, COLOR_BGR2GRAY);
// Бинаризация
Mat binary;
threshold(gray, binary, 0, 255, THRESH_BINARY_INV + THRESH_OTSU);
// Определяем ядро
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5));
// Операция открытия (удаление шума)
Mat opened;
morphologyEx(binary, opened, MORPH_OPEN, kernel);
// Операция замыкания (заполнение отверстий)
Mat closed;
morphologyEx(opened, closed, MORPH_CLOSE, kernel);
// Вывести результат
imshow("Исходное бинарное изображение", binary);
imshow("Изображение после размыкания", opened);
imshow("Изображение после замыкания", closed);
waitKey(0);
return 0;
}
Обработка гистограмм
Обработка гистограмм используется для анализа распределения пикселей изображения. Типичные операции включают выравнивание гистограммы, сопоставление гистограмм и многое другое.
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// Прочитать изображение
Mat image = imread("low_contrast.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение. Проверьте правильность пути." << endl;
return -1;
}
// Преобразовать в оттенки серого
Mat gray;
cvtColor(image, gray, COLOR_BGR2GRAY);
// Выравнивание гистограммы
Mat equalized;
equalizeHist(gray, equalized);
// Вывести результат
imshow("Исходное изображение", gray);
imshow("Выровненное изображение", equalized);
waitKey(0);
return 0;
}
Сопоставление шаблонов
Сопоставление с шаблоном используется для поиска областей на изображении, похожих на шаблон.
Пример
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// Прочитать изображение и шаблон
Mat image = imread("scene.jpg");
Mat templ = imread("template.jpg");
if (image.empty() || templ.empty()) {
cout << "Ошибка: Не удалось загрузить изображение. Проверьте правильность пути." << endl;
return -1;
}
// Сопоставление с шаблоном
Mat result;
matchTemplate(image, templ, result, TM_CCOEFF_NORMED);
// Найти позицию наилучшего совпадения
double minVal, maxVal;
Point minLoc, maxLoc;
minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
// Нарисовать прямоугольник
rectangle(image, maxLoc, Point(maxLoc.x + templ.cols, maxLoc.y + templ.rows), Scalar(0, 255, 0), 2);
// Вывести результат
imshow("Сопоставление шаблонов", image);
waitKey(0);
return 0;
}