基于LockAI视觉识别模块：C++同时识别轮廓和色块

福州市凌睿智捷电子有限公司 2025-05-23 734

福州市凌睿智捷电子有限公司

119 内容 18w+阅读 154粉丝

描述

1. 项目简介

1.1 色块识别的重要性

颜色特征提取：颜色是一种重要的视觉特征，尤其在背景较为单一的情况下，能够快速区分目标区域。

应用场景：广泛应用于机器人导航、工业自动化、物体跟踪等领域。

HSV 颜色空间：相比于 RGB 颜色空间，HSV 更适合用于颜色识别，因为它可以将颜色信息（Hue）、饱和度（Saturation）和亮度（Value）分离，便于设置阈值。

1.2 色块识别的流程

获取图像。

将图像从 BGR 转换为 HSV 颜色空间。

创建二值掩码，筛选出符合颜色范围的像素。

使用形态学操作清除噪声。

查找轮廓并筛选符合条件的色块。

计算外接矩形和中心点。

绘制结果并输出。

1.3 图像处理的重要性

目标检测：图像处理技术可以用于检测图像中的特定对象或特征。

应用场景：广泛应用于物体识别、工业自动化、机器人导航、自动驾驶等领域。

常见任务：

边缘检测：提取图像中的边界信息。

直线检测：识别图像中的直线结构。

圆检测：识别图像中的圆形结构。

多边形拟合：将轮廓拟合成多边形以简化形状描述。

1.4 图像处理的基本流程

初始化摄像头：打开摄像头设备并设置分辨率。

读取图像帧：从摄像头中获取实时视频帧。

预处理：将图像转换为灰度图、降噪等操作。

特征检测：执行边缘检测、霍夫变换等算法。

结果绘制：在原图上绘制检测到的特征。

显示结果：将处理后的图像输出到屏幕。

1.5、源代码地址

https://gitee.com/LockzhinerAI/LockzhinerVisionModule/tree/master/Cpp_example/C05_Finecolorandshape

 

2. API 文档

2.1 头文件

#include

2.2 生成掩码

cv::inRange(src, lowerb, upperb, dst);

参数说明：

src：输入图像，可以是单通道或三通道的图像。

lowerb：颜色下界，是一个Scalar对象，表示要查找的颜色的下限。

upperb：颜色上界，是一个Scalar对象，表示要查找的颜色的上限。

dst：输出图像，是一个单通道的8位无符号整数图像，表示生成的掩码。

返回值：

无

2.3 创建形态学操作所需的结构元素核

cv::getStructuringElement(shape, ksize, anchor);

参数说明：

shape：核形状，可以是RECT、CROSS、ELLIPSE等。

ksize：核大小，是一个Size对象，表示核的宽度和高度。

anchor：锚点，是一个Point对象，表示核的锚点位置。

返回值：

返回一个核，是一个Mat对象。

2.4 形态学操作：清除噪声

cv::morphologyEx(src, dst, op, kernel, anchor, iterations, borderType, borderValue);

参数说明：

src：输入图像，可以是单通道或三通道的图像。

dst：输出图像，是一个单通道的8位无符号整数图像，表示生成的掩码。

op：操作类型，可以是OPEN、CLOSE、GRADIENT、TOPHAT、BLACKHAT等。

kernel：核，是一个Mat对象，表示形态学操作的核。

anchor：锚点，是一个Point对象，表示核的锚点位置。

iterations：迭代次数，是一个整数，表示形态学操作的迭代次数。

borderType：边界类型，可以是BORDER_CONSTANT、BORDER_REPLICATE、BORDER_REFLECT、BORDER_WRAP、BORDER_REFLECT_101等。

borderValue：边界值，是一个Scalar对象，表示边界区域的值。

返回值：

无

2.5 查找轮廓

cv::findContours(image, contours, hierarchy, mode, method, offset);

参数说明：

image：输入图像，可以是单通道或三通道的图像。

contours：输出参数，是一个vector>对象，表示轮廓的集合。

hierarchy：输出参数，是一个vector对象，表示轮廓的层级关系。

mode：轮廓发现模式，可以是RETR_EXTERNAL、RETR_LIST、RETR_CCOMP、RETR_TREE等。

method：轮廓 approximation 方法，可以是CHAIN_APPROX_NONE、CHAIN_APPROX_SIMPLE、CHAIN_APPROX_TC89_L1、CHAIN_APPROX_TC89_KCOS等。

offset：轮廓偏移量，是一个Point对象，表示轮廓的偏移量。

返回值：

返回一个整数，表示轮廓的数量。

2.6 获取轮廓的外接矩形

cv::boundingRect(points);

参数说明：

points：输入参数，是一个vector对象，表示轮廓的点集合。

返回值：

返回一个Rect对象，表示轮廓的外接矩形。

2.7 计算矩阵矩

cv::moments(array, binaryImage);

参数说明：

array：输入参数，是一个Mat对象，表示输入的矩阵。

binaryImage：输入参数，是一个布尔值，表示是否将输入的矩阵转换为二值矩阵。

返回值：

返回一个 Moments对象，表示矩阵的矩。

2.8 绘制矩形框

cv::rectangle(img, pt1, pt2, color, thickness, lineType, shift);

参数说明：

img：输入参数，是一个Mat对象，表示输入的图像。

pt1：输入参数，是一个Point对象，表示矩形的左上角点。

pt2：输入参数，是一个Point对象，表示矩形的右下角点。

color：输入参数，是一个Scalar对象，表示矩形的颜色。

thickness：输入参数，是一个整数，表示矩形的线宽。

lineType：输入参数，是一个整数，表示矩形的线类型。

shift：输入参数，是一个整数，表示坐标的精度。

返回值：

无

2.9 绘制圆

cv::circle(img, center, radius, color, thickness, lineType, shift);

参数说明：

img：输入参数，是一个Mat对象，表示输入的图像。

center：输入参数，是一个Point对象，表示圆心。

radius：输入参数，是一个整数，表示圆的半径。

color：输入参数，是一个Scalar对象，表示圆的颜色。

thickness：输入参数，是一个整数，表示圆的线宽。

lineType：输入参数，是一个整数，表示圆的线类型。

shift：输入参数，是一个整数，表示坐标的精度。

返回值：

无

2.10 查找色块函数（自定义）

std::vector<std::vector<cv::Point>>find_blobs(
    constcv::Mat&image,
    constcv::Scalar&lower_bound,
    constcv::Scalar&upper_bound,
    intmin_area=100,
    intkernel_size=5);

参数说明：

image：输入参数，是一个Mat对象，表示输入的图像。

lower_bound：输入参数，是一个Scalar对象，表示颜色下界。

upper_bound：输入参数，是一个Scalar对象，表示颜色上界。

min_area：输入参数，是一个整数，表示最小面积。

kernel_size：输入参数，是一个整数，表示核大小。

返回值：

返回一个vector>对象，表示找到的色块的点集合。

2.11 高斯模糊

cv::GaussianBlur(src, dst, Size(3, 3), 0);

参数：

src：输入图像。

dst：输出图像。

Size(3, 3)：卷积核大小。

0：标准差。

返回值：

无。

2.12 边缘检测

cv::Canny(src, dst, 50, 150);

参数：

src：输入图像。

dst：输出图像。

50：低阈值。

150：高阈值。

apertureSize：Sobel 算子的孔径大小（默认为 3）。

L2gradient：是否使用 L2 范数计算梯度（默认为 false）。

返回值：

无。

2.13 对轮廓进行多边形拟合

cv::approxPolyDP(contours[i], approx, epsilon, closed);

参数：

contours[i]：轮廓。

approx：多边形顶点列表。

epsilon：精度参数，表示最大距离，用于控制多边形拟合的精度。

closed：是否闭合多边形（默认为 false）。

返回值：

无

2.14 使用概率霍夫变换检测直线

cv::HoughLinesP(src, lines, 1, CV_PI/180, 50, 50, 10);

参数：

src：输入图像。

lines：检测到的直线列表。

1：rho 分辨率。

CV_PI / 180：theta 分辨率。

50：最小线段长度。

50：最大线段间隔。

10：线段阈值。

返回值：

无

2.15 使用霍夫变化检测圆型

cv::HoughCircles(src, circles, CV_HOUGH_GRADIENT, 1, src.rows/8, 200, 100, 0, 0);

参数：

src：输入图像。

circles：检测到的圆列表。

CV_HOUGH_GRADIENT：检测方法。

1：rho 分辨率。

src.rows / 8：theta 分辨率。

200：最小圆半径。

100：最大圆半径。

0：圆心 x 坐标。

0：圆心 y 坐标。

返回值：

无

3. 综合代码介绍

3.1 流程图

图像处理


 

3.2 核心代码解析

阈值分割

cv::inRange(hsv_image, lower_bound, upper_bound, mask);

形态学开运算

cv::Matkernel=cv::getStructuringElement(cv::MORPH_RECT, cv::Size(kernel_size, kernel_size));
cv::morphologyEx(mask, mask, cv::MORPH_OPEN, kernel);

轮廓查找

std::vector<std::vector<cv::Point>>contours;
cv::findContours(mask, contours, cv::RETR_EXTERNAL，cv::CHAIN_APPROX_SIMPLE);

筛选色块

std::vector<std::vector<cv::Point>>filtered_contours;
for (constauto&contour : contours)
{
    cv::Rectbounding_rect=cv::boundingRect(contour);
    if (bounding_rect.area() >=min_area)
    {
        filtered_contours.push_back(contour);
    }
}

3.3 完整代码实现

#include 
#include 
#include 
#include 

std::vector<std::vector<cv::Point>>find_blobs(
    constcv::Mat&image,
    constcv::Scalar&lower_bound,
    constcv::Scalar&upper_bound,
    intmin_area=100,
    intkernel_size=5)
{
    // 转换为 HSV 颜色空间
    cv::Mathsv_image;
    cv::cvtColor(image, hsv_image, cv::COLOR_BGR2HSV);

    // 创建二值掩码
    cv::Matmask;
    cv::inRange(hsv_image, lower_bound, upper_bound, mask);

    // 形态学操作：清除噪声
    cv::Matkernel=cv::getStructuringElement(cv::MORPH_RECT, cv::Size(kernel_size, kernel_size));
    cv::morphologyEx(mask, mask, cv::MORPH_OPEN, kernel);

    // 查找轮廓
    std::vector<std::vector<cv::Point>>contours;
    cv::findContours(mask, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

    // 筛选符合条件的色块
    std::vector<std::vector<cv::Point>>filtered_contours;
    for (constauto&contour : contours)
    {
        cv::Rectbounding_rect=cv::boundingRect(contour);
        if (bounding_rect.area() >=min_area)
        {
            filtered_contours.push_back(contour);
        }
    }
    returnfiltered_contours;
}

intmain()
{
    lockzhiner_vision_module::Editedit;
    if (!edit.StartAndAcceptConnection())
    {
        std::cerr<<"Error: Failed to start and accept connection."<<std::endl;
        returnEXIT_FAILURE;
    }
    std::cout<<"Device connected successfully."<<std::endl;

    cv::VideoCapturecap;
    intwidth=640;  // 设置摄像头分辨率宽度
    intheight=480; // 设置摄像头分辨率高度
    cap.set(cv::CAP_PROP_FRAME_WIDTH, width);
    cap.set(cv::CAP_PROP_FRAME_HEIGHT, height);

    // 打开摄像头设备
    cap.open(0); // 参数 0 表示默认摄像头设备
    if (!cap.isOpened())
    {
        std::cerr<<"Error: Could not open camera."<<std::endl;
        returnEXIT_FAILURE;
    }

    while (true)
    {
        cv::Matimage; // 存储每一帧图像
        cap>>image;  // 获取新的一帧

        if (image.empty())
        {
            std::cerr<<"Warning: Couldn't read a frame from the camera."<<std::endl;
            continue;
        }

        // 定义颜色阈值（例如红色）
        cv::Scalarlower_red(170, 100, 100); // 红色下界
        cv::Scalarupper_red(179, 255, 255); // 红色上界

        // 调用 find_blobs 函数
        intmin_area=100;  // 最小面积阈值
        intkernel_size=1; // 形态学操作核大小
        std::vector<std::vector<cv::Point>>blobs=find_blobs(image, lower_red, upper_red, min_area, kernel_size);

        // 绘制和打印检测到的色块，并筛选矩形
        for (constauto&contour : blobs)
        {
            // 计算外接矩形框
            cv::Rectbounding_rect=cv::boundingRect(contour);

            // 近似多边形拟合
            std::vector<cv::Point>approx;
            cv::approxPolyDP(contour, approx, cv::arcLength(contour, true) *0.02, true);

            // 判断是否为四边形
            if (approx.size() ==4)
            {
                // 绘制矩形框
                cv::rectangle(image, bounding_rect, cv::Scalar(0, 255, 0), 2);

                // 计算中心点
                cv::Momentsmoments=cv::moments(contour);
                intcx=moments.m10/moments.m00;
                intcy=moments.m01/moments.m00;

                // 绘制中心点
                cv::circle(image, cv::Point(cx, cy), 5, cv::Scalar(0, 0, 255), -1);

                // 打印信息
                std::cout<<"Red quadrilateral detected at ("<<cx<<", "<<cy
                          <<") with area "<<bounding_rect.area() <<std::endl;
            }
        }

        // 显示结果
        edit.Print(image);
    }

    cap.release();
    return0;
}

4. 编译过程

4.1 编译环境搭建

请确保你已经按照 开发环境搭建指南 正确配置了开发环境。

同时以正确连接开发板。

4.2 Cmake介绍

# CMake最低版本要求  
cmake_minimum_required(VERSION 3.10)  

project(test-Finecolorandshape)

set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 定义项目根目录路径
set(PROJECT_ROOT_PATH "${CMAKE_CURRENT_SOURCE_DIR}/../..")
message("PROJECT_ROOT_PATH = "${PROJECT_ROOT_PATH})

include("${PROJECT_ROOT_PATH}/toolchains/arm-rockchip830-linux-uclibcgnueabihf.toolchain.cmake")

# 定义 OpenCV SDK 路径
set(OpenCV_ROOT_PATH "${PROJECT_ROOT_PATH}/third_party/opencv-mobile-4.10.0-lockzhiner-vision-module")
set(OpenCV_DIR "${OpenCV_ROOT_PATH}/lib/cmake/opencv4")
find_package(OpenCV REQUIRED)
set(OPENCV_LIBRARIES "${OpenCV_LIBS}")
# 定义 LockzhinerVisionModule SDK 路径
set(LockzhinerVisionModule_ROOT_PATH "${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")
set(LockzhinerVisionModule_DIR "${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")
find_package(LockzhinerVisionModule REQUIRED)

# 寻找色块和轮廓
add_executable(Test-Finecolorandshape Finecolorandshape.cc)
target_include_directories(Test-Finecolorandshape PRIVATE ${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})
target_link_libraries(Test-Finecolorandshape PRIVATE ${OPENCV_LIBRARIES}${LOCKZHINER_VISION_MODULE_LIBRARIES})

install(
    TARGETS Test-Finecolorandshape
    RUNTIME DESTINATION .  
)

4.3 编译项目

使用 Docker Destop 打开 LockzhinerVisionModule 容器并执行以下命令来编译项目

# 进入Demo所在目录
cd /LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/C05_Find_color_and_shape
# 创建编译目录
rm-rf build && mkdir build && cd build
# 配置交叉编译工具链
exportTOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置项目
cmake ..
# 执行编译项目
make-j8 && make install

在执行完上述命令后，会在build目录下生成可执行文件。

5. 例程运行示例

5.1 运行过程

chmod777 Test-Finecolorandshape
./Test-Finecolorandshape

5.2 结果展示

图像处理

6. 总结

本程序实现了基于 OpenCV 的红色四边形检测功能，具有以下特点：

高效性：通过颜色过滤、形态学处理和轮廓筛选，快速定位目标。

灵活性：支持自定义颜色阈值、最小面积和形态学核大小，适应不同场景需求。

易用性：代码结构清晰，模块化设计便于扩展和维护。该程序可作为基础框架，进一步应用于更复杂的视觉任务，例如多目标检测、动态跟踪等。通过调整颜色阈值和形状筛选条件，还可扩展到其他颜色和形状的检测任务。

 

打开APP阅读更多精彩内容
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

下载APP
|投诉反馈|电子发烧友网
© 2021 elecfans.com
湘ICP备2023018690号
×
20
完善资料，
赚取积分