文章目录
- 前言
- 一、主要步骤
-
- 1.窗体设计
- 2.引用命名空间
- 3.主要算法
- 3.结果
- 总结
- 题外话
前言
本blog是该系列文章的第一篇demo，主要功能是实现书本的目标检测，主要算法是用了sift特征匹配。
一、主要步骤
1.窗体设计
该窗体主要用到了两个imagebox，三个button，整体形状如图
2.引用命名空间
该功能需要引用
emgu.cv,
emgu.cv.contrib,
emgu.cv.ui,
emgu.cv.uti
四个dll库，相应的命名空间如下
using System.Windows.Forms;
using Emgu.CV;
using Emgu.CV.Structure;
using Emgu.CV.Features2D;
using Emgu.CV.CvEnum;
using Emgu.CV.Util;
using Emgu.CV.XFeatures2D;
using System.Drawing;
using System;
3.主要算法
namespace cornors_detect
{
public partial class Form1 : Form
{
public Form1()
{
InitializeComponent();
}
//定义所需的变量及实例化对象
Mat scr = new Mat();
Mat dst = new Mat();
VectorOfKeyPoint scr_keypoints = new VectorOfKeyPoint();
VectorOfKeyPoint dst_keypoints = new VectorOfKeyPoint();
Mat scr_descriptor = new Mat();
Mat dst_descriptor = new Mat();
Mat result = new Mat();
VectorOfVectorOfDMatch matchs = new VectorOfVectorOfDMatch();
Mat transmat = new Mat();
BFMatcher match = new BFMatcher(DistanceType.L2);
//实例化sift和surf对象
SIFT sift = new SIFT();
SURF surf = new SURF(300);
//实例化其他角点检测对象，可根据需要自行选择
//GFTTDetector _gftt = new GFTTDetector();
//AKAZE _akaze = new AKAZE();
//Brisk _brisk = new Brisk();
//SimpleBlobDetector blob = new SimpleBlobDetector();
//ORBDetector orb = new ORBDetector();
//BriefDescriptorExtractor brief = new BriefDescriptorExtractor();
private void loadimgbtn_Click(object sender, EventArgs e)
{
OpenFileDialog op = new OpenFileDialog();
if(op.ShowDialog()==DialogResult.OK)
{
scr = new Mat(op.FileName,LoadImageType.AnyColor);
}
//显示加载的模板图片
imageBox1.Image = scr;
}
private void correcogbtn_Click(object sender, EventArgs e)
{
//用sift或者surf方法获得模板和匹配图像的关键点和描述子
//surf.DetectAndCompute(scr, null, scr_keypoints, scr_descriptor, false);
//surf.DetectAndCompute(dst, null, dst_keypoints, dst_descriptor, false);
sift.DetectAndCompute(scr, null, scr_keypoints, scr_descriptor, false);
sift.DetectAndCompute(dst, null, dst_keypoints, dst_descriptor, false);
//在模板和匹配图像上分别绘制关键点
Features2DToolbox.DrawKeypoints(scr, scr_keypoints, scr, new Bgr(0, 0, 255), Features2DToolbox.KeypointDrawType.Default);
Features2DToolbox.DrawKeypoints(dst, dst_keypoints, dst, new Bgr(0, 0, 255), Features2DToolbox.KeypointDrawType.Default);
//将模板描述子加入匹配方法中
match.Add(scr_descriptor);
//利用knn方法对模板和匹配图像进行关键点匹配
match.KnnMatch(dst_descriptor, matchs,2,null);
//过滤一些匹配不准确的点
Mat mask = new Mat(matchs.Size, 1, DepthType.Cv8U, 1);
mask.SetTo(new MCvScalar(1));
//投票阈值筛选掉重复的点
Features2DToolbox.VoteForUniqueness(matchs, 0.8, mask);
//进行尺度旋转筛选
Features2DToolbox.VoteForSizeAndOrientation(scr_keypoints, dst_keypoints, matchs, mask, 1.5, 20);
//绘制匹配图像
Features2DToolbox.DrawMatches(scr, scr_keypoints, dst, dst_keypoints, matchs, result, new MCvScalar(255, 255, 255), new MCvScalar(0, 0, 255), mask);
//得到模板和匹配图片的仿射矩阵
transmat = Features2DToolbox.GetHomographyMatrixFromMatchedFeatures(scr_keypoints, dst_keypoints, matchs, mask, 3);
// 得到模板图像中书的矩形区域
Rectangle rec = new Rectangle(Point.Empty, scr.Size);
//提取矩形区域的四个顶点，为后面定位匹配图像中的书做准备
PointF[] pts = new PointF[]
{
new PointF(rec.Left,rec.Bottom),
new PointF(rec.Right,rec.Bottom),
new PointF(rec.Right,rec.Top),
new PointF(rec.Left,rec.Top)
};
//定位匹配图像中的书
pts = CvInvoke.PerspectiveTransform(pts, transmat);
//绘制出匹配图像中的书
Point[] points = Array.ConvertAll<PointF, Point>(pts, Point.Round);
using (VectorOfPoint vp = new VectorOfPoint(points))
{
CvInvoke.Polylines(result, vp, true, new MCvScalar(255, 0, 0), 4);
}
imageBox1.Image = scr;
imageBox2.Image = result;
}
private void loadimg2btn_Click(object sender, EventArgs e)
{
OpenFileDialog op2 = new OpenFileDialog();
if(op2.ShowDialog()==DialogResult.OK)
{
dst = new Mat(op2.FileName, LoadImageType.AnyColor);
}
//加载匹配图片
imageBox2.Image = dst;
}
}
}
3.结果
本blog选取的模板图片是一本书，匹配效果较好，但后面将模板图片换成圆柱形的盒子，匹配效果很差，该算法还有待改进
总结
这是本人最近学习emgucv的一个demo，将过程总结下来，与各位分享。希望有小伙伴能积极提出算法改进意见，大家共同进步。
题外话
本人喜欢的女生，暂且叫她小q，在我和她认识两个月左右后，感情逐渐升温，希望自己最终能赢得她的芳心。开心