我对 OpenCV 还很陌生，很高兴能了解更多信息。我一直在考虑勾画边缘和形状的想法。
我遇到过这段代码（在 iOS 设备上运行），它使用了 Canny。我希望能够以颜色呈现它，并圈出每个形状。有人能指出我正确的方向吗？
Thanks!
IplImage *grayImage = cvCreateImage(cvGetSize(iplImage), IPL_DEPTH_8U, 1);
cvCvtColor(iplImage, grayImage, CV_BGRA2GRAY);
cvReleaseImage(&iplImage);
IplImage* img_blur = cvCreateImage( cvGetSize( grayImage ), grayImage->depth, 1);
cvSmooth(grayImage, img_blur, CV_BLUR, 3, 0, 0, 0);
cvReleaseImage(&grayImage);
IplImage* img_canny = cvCreateImage( cvGetSize( img_blur ), img_blur->depth, 1);
cvCanny( img_blur, img_canny, 10, 100, 3 );
cvReleaseImage(&img_blur);
cvNot(img_canny, img_canny);
And example might be these burger patties. OpenCV would detect the patty, and outline it.
原图：
颜色信息通常通过转换为 HSV 颜色空间来处理，HSV 颜色空间直接处理“颜色”，而不是将颜色划分为 R/G/B 分量，这使得更容易处理具有不同亮度的相同颜色等。
如果你将图像转换为 HSV，你会得到：
cv::Mat hsv;
cv::cvtColor(input,hsv,CV_BGR2HSV);
std::vector<cv::Mat> channels;
cv::split(hsv, channels);
cv::Mat H = channels[0];
cv::Mat S = channels[1];
cv::Mat V = channels[2];
色相通道：
饱和通道：
价值渠道：
通常，如果您对分割“颜色”（例如所有红色对象）感兴趣，则色调通道是第一个要查看的通道。一个问题是，色调是一个圆形/角度值，这意味着最高值与最低值非常相似，这会导致肉饼边缘出现明亮的伪影。为了克服特定值的这个问题，您可以移动整个色调空间。如果移动 50°，你会得到类似这样的结果：
cv::Mat shiftedH = H.clone();
int shift = 25; // in openCV hue values go from 0 to 180 (so have to be doubled to get to 0 .. 360) because of byte range from 0 to 255
for(int j=0; j<shiftedH.rows; ++j)
for(int i=0; i<shiftedH.cols; ++i)
{
shiftedH.at<unsigned char>(j,i) = (shiftedH.at<unsigned char>(j,i) + shift)%180;
}
现在您可以使用简单的精明边缘检测来查找色调通道中的边缘：
cv::Mat cannyH;
cv::Canny(shiftedH, cannyH, 100, 50);
您可以看到这些区域比真正的肉饼大一点，这可能是因为肉饼周围地面上的微小反射，但我对此不确定。也许这只是因为 jpeg 压缩伪影；）
如果您使用饱和通道来提取边缘，您最终会得到如下结果：
cv::Mat cannyS;
cv::Canny(S, cannyS, 200, 100);
轮廓未完全闭合的地方。也许您可以在预处理中结合色调和饱和度来提取色调通道中的边缘，但前提是饱和度足够高。
在这个阶段你有优势。请注意，边缘还不是轮廓。如果直接从边缘提取轮廓，它们可能不会闭合/分离等：
// extract contours of the canny image:
std::vector<std::vector<cv::Point> > contoursH;
std::vector<cv::Vec4i> hierarchyH;
cv::findContours(cannyH,contoursH, hierarchyH, CV_RETR_TREE , CV_CHAIN_APPROX_SIMPLE);
// draw the contours to a copy of the input image:
cv::Mat outputH = input.clone();
for( int i = 0; i< contoursH.size(); i++ )
{
cv::drawContours( outputH, contoursH, i, cv::Scalar(0,0,255), 2, 8, hierarchyH, 0);
}
您可以通过检查来删除那些小轮廓cv::contourArea(contoursH[i]) > someThreshold在绘图之前。但是你看到左边的两个肉饼是连在一起的吗？这是最难的部分......使用一些启发式方法来“改进”你的结果。
cv::dilate(cannyH, cannyH, cv::Mat());
cv::dilate(cannyH, cannyH, cv::Mat());
cv::dilate(cannyH, cannyH, cv::Mat());
Dilation before contour extraction will "close" the gaps between different objects but increase the object size too.
如果从中提取轮廓，它将如下所示：
如果您只选择“内部”轮廓，那么它正是您喜欢的：
cv::Mat outputH = input.clone();
for( int i = 0; i< contoursH.size(); i++ )
{
if(cv::contourArea(contoursH[i]) < 20) continue; // ignore contours that are too small to be a patty
if(hierarchyH[i][3] < 0) continue; // ignore "outer" contours
cv::drawContours( outputH, contoursH, i, cv::Scalar(0,0,255), 2, 8, hierarchyH, 0);
}
请注意，扩张和内部轮廓的内容有点模糊，因此它可能不适用于不同的图像，并且如果初始边缘在对象边界周围放置得更好，则可能 1. 不需要执行扩张和内部轮廓的操作，并且 2 .如果仍然有必要，在这种情况下膨胀将使对象变小（幸运的是，这对于给定的示例图像来说非常有用。）。
编辑：有关 HSV 的一些重要信息：色调通道将为每个像素提供光谱的颜色，即使饱和度非常低（= 灰色/白色）或者如果颜色非常低（值），通常需要阈值饱和度和值通道来找到一些特定的颜色！这可能比我在代码中使用的扩展更容易处理，也更麻烦。