Opencv圖像識别

前些天發現了一個巨牛的人工智能學習網站，通俗易懂，風趣幽默，忍不住分享一下給大家：

​​點選跳轉​​

目錄

​​一，輪廓檢測​​

​​二，邊緣檢測​​

一，輪廓檢測

以下圖為例：

 灰階圖直接提取輪廓：

int main()
{
  Mat img = imread("D:/1.png", 0);
  resize(img, img, Size(0, 0), 0.5, 0.5);
  Mat src=img;
  cv::imshow("src", src);
  std::vector<std::vector<Point>> contours;
  std::vector<Vec4i> hierarchy;
  findContours(src, contours, hierarchy, RETR_LIST, CHAIN_APPROX_NONE, Point(0, 0));
  cout << contours.size()<<endl;
  //sort(contours.begin(), contours.end(), cmp< Point>);
  //for (int i = 0; i < contours.size(); i++)cout << contours[i].size() << " ";
  src = 0;
  cv::drawContours(src, contours, -1, cv::Scalar::all(255));
  cv::imshow("Contours", src);
  cv::waitKey(0);
  return 0;
}      

得到的輪廓數量是1，即整個圖的最外面的輪廓。

優化思路：先進行一定的二值化處理。

int main()
{
  Mat img = imread("D:/1.png", 0);
  resize(img, img, Size(0, 0), 0.5, 0.5);
  Mat src;
  threshold(img, src, 200, 255, THRESH_TRUNC);
  threshold(src, src, 100, 255, THRESH_TOZERO);
  cv::imshow("src", src);
  std::vector<std::vector<Point>> contours;
  std::vector<Vec4i> hierarchy;
  findContours(src, contours, hierarchy, RETR_LIST, CHAIN_APPROX_NONE, Point(0, 0));
  cout << contours.size()<<endl;
  //sort(contours.begin(), contours.end(), cmp< Point>);
  //for (int i = 0; i < contours.size(); i++)cout << contours[i].size() << " ";
  src = 0;
  cv::drawContours(src, contours, -1, cv::Scalar::all(255));
  cv::imshow("Contours", src);
  cv::waitKey(0);
  return 0;
}      

一般提取輪廓前，先做一下邊緣檢測更好。

邊緣檢測偏向于圖像中像素點的變化，輪廓檢測更偏向于關注上層語義對象。

二，邊緣檢測

利用Canny算子做邊緣檢測：

int main()
{
  Mat img = imread("D:/1.png", 0);
  resize(img, img, Size(0, 0), 0.5, 0.5);
  Mat src;
  threshold(img, src, 200, 255, THRESH_TRUNC);
  threshold(src, src, 100, 255, THRESH_TOZERO);
  Canny(src, src, 200, 100, 3);
  cv::imshow("src", src);
  cv::waitKey(0);
  return 0;
}      

邊緣檢測結果很清晰。