OpenCV获取图像中直线上的数据具体流程

时间:2021-09-23 04:28:20

需求说明

在对图像进行处理时,经常会有这类需求:客户想要提取出图像中某条直线或者ROI区域内的感兴趣数据,进行重点关注。该需求在图像检测领域尤其常见。ROI区域一般搭配Rect即可完成提取,直线数据的提取没有现成的函数,需要自行实现。

当直线为纵向或者横向时,比较简单,只需要从起点到终点提取该行或者列的数据即可;但是直线若为斜向的,则需要从起点出发,向终点方向逐个像素提取。大家都知道,图像是由许多像素组成,而斜向直线的数据提取路线并不一定就是标准的斜线,也可能是呈阶梯状的路线,而如何进行路线设计,就是本文所要展示的内容。

 

具体流程

1)建立vector<pair<float,int>> result容器用于存放数据,设置初始化参数。其中,inImage是输入图像,start为起点,end为终点,点的类型为cv::Point。

vector<pair<float, int>> result;
int row = inImage.rows;
int col = inImage.cols;
int r1 = start.y;
int c1 = start.x;
int r2 = end.y;
int c2 = end.x;

2)确定两点间距离dist,将起点到终点的横坐标差和纵坐标差进行勾股定理可得。所得距离可能为带小数的数据,然而像素的个数都为整数,所以进行四舍五入。除此之外,还要判断下距离,若距离为0,则只返回起点数据。

float dist = round(sqrt(pow(float(r2) - float(r1), 2.0) + pow(float(c2) - float(c1), 2.0)));
if (dist <= 0.00001f) {
	pair<float, int> temp;
	temp.first = inImage.at<float>(r1, c1);
	temp.second = 0;
	result.push_back(temp);
	return result;
}

3)确定横向纵向的步进间隔。

float slope_r = (float(r2) - float(r1)) / dist;
float slope_c = (float(c2) - float(c1)) / dist;

4)建立Flag地图,用于标记已存储过的位置,避免同一数据二次放入。

cv::Mat Flag = cv::Mat::zeros(mask.size(), mask.type());

5)开始存储数据。计数从0开始,若该点处于掩膜内,且Flag地图中没有标记,则进行存储。

int k = 0;
for (float i = 0; i <= dist; ++i) {
	// 若该点处于掩膜内,且未被Flag存储,则进行存储工作
	if ((mask.at<uchar>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c))) == 255)
		&& (Flag.at<uchar>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c))) == 0))
	{
		pair<float, int> temp;
		temp.first = inImage.at<float>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c)));
		temp.second = k;
		Flag.at<uchar>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c))) = 255;
		k++;
		result.push_back(temp);
	}
}

功能函数

/**
* @brief GetOneDimLineData                 获取一维直线数据
* @param inImage                           输入位相图
* @param mask                              输入掩膜图
* @param start                             起始点坐标
* @param end                               终点坐标
* @return                                  直线数据(数值&序号)
*/
vector<pair<float, int>> GetOneDimLineData(const cv::Mat inImage, cv::Mat mask, cv::Point start, cv::Point end)
{
	vector<pair<float, int>> result;
	int row = inImage.rows;
	int col = inImage.cols;
	int r1 = start.y;
	int c1 = start.x;
	int r2 = end.y;
	int c2 = end.x;
	// 确定两点间距离
	float dist = round(sqrt(pow(float(r2) - float(r1), 2.0) + pow(float(c2) - float(c1), 2.0)));
	if (dist <= 0.00001f) {
		pair<float, int> temp;
		temp.first = inImage.at<float>(r1, c1);
		temp.second = 0;
		result.push_back(temp);
		return result;
	}
	// 横向纵向的步进间隔
	float slope_r = (float(r2) - float(r1)) / dist;
	float slope_c = (float(c2) - float(c1)) / dist;
	// Flag地图,用于存储已放入的数据,避免同一数据二次放入
	cv::Mat Flag = cv::Mat::zeros(mask.size(), mask.type());
	// 数据量计数,从0开始
	int k = 0;
	for (float i = 0; i <= dist; ++i) {
		// 若该点处于掩膜内,且未被Flag存储,则进行存储工作
		if ((mask.at<uchar>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c))) == 255)
			&& (Flag.at<uchar>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c))) == 0))
		{
			pair<float, int> temp;
			temp.first = inImage.at<float>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c)));
			temp.second = k;
			Flag.at<uchar>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c))) = 255;
			k++;
			result.push_back(temp);
		}
	}
	return result;
}

C++测试代码

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui.hpp>

using namespace std;
using namespace cv;

vector<pair<float, int>> GetOneDimLineData(const cv::Mat inImage, cv::Mat mask, cv::Point start, cv::Point end);

int main()
{
	Mat src(10,10,CV_32FC1,nan(""));
	for (int i = 3; i < 7; ++i)
	{
		for (int j = 3; j < 9; ++j)
		{
			src.at<float>(i, j) = rand() % 255;
		}
	}
	cv::Mat mask = cv::Mat::zeros(src.size(), CV_8UC1);
	mask.setTo(255, src == src);
	Point start = Point(2, 1);
	Point end = Point(8, 7);
	vector<pair<float, int>> test= GetOneDimLineData(src,mask, start, end);
	cout << "size:" << test.size() << endl;
	for (int i=0;i<test.size();++i)
	{
		cout << i << ":" << endl;
		cout << test[i].first << " " << test[i].second << endl;
	}
	return 0;
}

/**
* @brief GetOneDimLineData                 获取一维直线数据
* @param inImage                           输入位相图
* @param mask                              输入掩膜图
* @param start                             起始点坐标
* @param end                               终点坐标
* @return                                  直线数据(数值&序号)
*/
vector<pair<float, int>> GetOneDimLineData(const cv::Mat inImage, cv::Mat mask, cv::Point start, cv::Point end)
{
	vector<pair<float, int>> result;
	int row = inImage.rows;
	int col = inImage.cols;
	int r1 = start.y;
	int c1 = start.x;
	int r2 = end.y;
	int c2 = end.x;
	// 确定两点间距离
	float dist = round(sqrt(pow(float(r2) - float(r1), 2.0) + pow(float(c2) - float(c1), 2.0)));
	if (dist <= 0.00001f) {
		pair<float, int> temp;
		temp.first = inImage.at<float>(r1, c1);
		temp.second = 0;
		result.push_back(temp);
		return result;
	}
	// 横向纵向的步进间隔
	float slope_r = (float(r2) - float(r1)) / dist;
	float slope_c = (float(c2) - float(c1)) / dist;
	// Flag地图,用于存储已放入的数据,避免同一数据二次放入
	cv::Mat Flag = cv::Mat::zeros(mask.size(), mask.type());
	// 数据量计数,从0开始
	int k = 0;
	for (float i = 0; i <= dist; ++i) {
		// 若该点处于掩膜内,且未被Flag存储,则进行存储工作
		if ((mask.at<uchar>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c))) == 255)
			&& (Flag.at<uchar>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c))) == 0))
		{
			pair<float, int> temp;
			temp.first = inImage.at<float>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c)));
			temp.second = k;
			Flag.at<uchar>(int(r1) + int(round(i * slope_r)), int(c1) + int(round(i * slope_c))) = 255;
			k++;
			result.push_back(temp);
		}
	}
	return result;
}

测试效果

OpenCV获取图像中直线上的数据具体流程

 

图1 初始化测试图像

 

OpenCV获取图像中直线上的数据具体流程

 

图2 Flag地图

 

OpenCV获取图像中直线上的数据具体流程

 

图3 结果打印

 

不难看出,获取的数据为直线上数据。对于有一定斜度的直线,Flag地图可能呈现阶梯状步进路线,这也是正常的~

如果函数有什么可以改进完善的地方,非常欢迎大家指出,一同进步何乐而不为呢~

到此这篇关于OpenCV获取图像中直线上的数据具体流程的文章就介绍到这了,更多相关OpenCV获取图像数据内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!

原文链接:https://blog.csdn.net/zhaitianbao/article/details/121113525