opencv MSER(最大极值稳定区域)
2016-08-17 14:51
183 查看
最大极值稳定区域,是一种类似分水岭图像的分割与匹配算法。它具有SIFT SURF及 ORB等特征不具备的仿射不变性,近年来广泛应用于图像分割与匹配领域。
详细算法原理介绍可参见链接 http://blog.csdn.net/zhaocj/article/details/40742191
创建MSER类
申明输出参数
MSER检测
保存检测到的结果
MSER根据需要检测的白色区域和黑色区域,又分为MSER+和MSER-
下面贴上Mser车牌目标检测示例 完整的C++代码 示例图片可到 此处下载
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/features2d.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
// Mser车牌目标检测
std::vector<cv::Rect> mserGetPlate(cv::Mat srcImage)
{
// HSV空间转换
cv::Mat gray, gray_neg;
cv::Mat hsi;
cv::cvtColor(srcImage, hsi, CV_BGR2HSV);
// 通道分离
std::vector<cv::Mat> channels;
cv::split(hsi, channels);
// 提取h通道
gray = channels[1];
// 灰度转换
cv::cvtColor(srcImage, gray, CV_BGR2GRAY);
// 取反值灰度
gray_neg = 255 - gray;
std::vector<std::vector<cv::Point> > regContours;
std::vector<std::vector<cv::Point> > charContours;
// 创建MSER对象
cv::Ptr<cv::MSER> mesr1 = cv::MSER::create(2, 10, 5000, 0.5, 0.3);
cv::Ptr<cv::MSER> mesr2 = cv::MSER::create(2, 2, 400, 0.1, 0.3);
std::vector<cv::Rect> bboxes1;
std::vector<cv::Rect> bboxes2;
// MSER+ 检测
mesr1->detectRegions(gray, regContours, bboxes1);
// MSER-操作
mesr2->detectRegions(gray_neg, charContours, bboxes2);
cv::Mat mserMapMat =cv::Mat::zeros(srcImage.size(), CV_8UC1);
cv::Mat mserNegMapMat =cv::Mat::zeros(srcImage.size(), CV_8UC1);
for (int i = (int)regContours.size() - 1; i >= 0; i--)
{
// 根据检测区域点生成mser+结果
const std::vector<cv::Point>& r = regContours[i];
for (int j = 0; j < (int)r.size(); j++)
{
cv::Point pt = r[j];
mserMapMat.at<unsigned char>(pt) = 255;
}
}
// MSER- 检测
for (int i = (int)charContours.size() - 1; i >= 0; i--)
{
// 根据检测区域点生成mser-结果
const std::vector<cv::Point>& r = charContours[i];
for (int j = 0; j < (int)r.size(); j++)
{
cv::Point pt = r[j];
mserNegMapMat.at<unsigned char>(pt) = 255;
}
}
// mser结果输出
cv::Mat mserResMat;
// mser+与mser-位与操作
mserResMat = mserMapMat & mserNegMapMat;
cv::imshow("mserMapMat", mserMapMat);
cv::imshow("mserNegMapMat", mserNegMapMat);
cv::imshow("mserResMat", mserResMat);
// 闭操作连接缝隙
cv::Mat mserClosedMat;
cv::morphologyEx(mserResMat, mserClosedMat,
cv::MORPH_CLOSE, cv::Mat::ones(1, 20, CV_8UC1));
cv::imshow("mserClosedMat", mserClosedMat);
// 寻找外部轮廓
std::vector<std::vector<cv::Point> > plate_contours;
cv::findContours(mserClosedMat, plate_contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE, cv::Point(0, 0));
// 候选车牌区域判断输出
std::vector<cv::Rect> candidates;
for (size_t i = 0; i != plate_contours.size(); ++i)
{
// 求解最小外界矩形
cv::Rect rect = cv::boundingRect(plate_contours[i]);
// 宽高比例
double wh_ratio = rect.width / double(rect.height);
// 不符合尺寸条件判断
if (rect.height > 20 && wh_ratio > 4 && wh_ratio < 7)
candidates.push_back(rect);
}
return candidates;
}
int main()
{
cv::Mat srcImage =
cv::imread("car.jpg");
if (srcImage.empty())
return-1;
cv::imshow("src Image", srcImage);
// 候选车牌区域检测
std::vector<cv::Rect> candidates;
candidates = mserGetPlate(srcImage);
// 车牌区域显示
for (int i = 0; i < candidates.size(); ++i)
{
cv::imshow("rect", srcImage(candidates[i]));
cv::waitKey();
}
cv::waitKey(0);
return 0;
}
详细算法原理介绍可参见链接 http://blog.csdn.net/zhaocj/article/details/40742191
创建MSER类
//开发环境 vs2013+opencv3.1.0 // 创建MSER对象 cv::Ptr<cv::MSER> mesr1 = cv::MSER::create(2, 10, 5000, 0.5, 0.3); //如果想要了解各参数的含义,首先需要通过以上链接了解算法原理。2表示灰度值的变化量,10和5000表示检测到的组块面积的范围,0.5为最大的变化率,0.3为稳定区域的最小变换量
申明输出参数
std::vector<std::vector<cv::Point> > regContours; std::vector<cv::Rect> bboxes1;
MSER检测
mesr1->detectRegions(gray, regContours, bboxes1);//gray为处理的图像,为单通道灰度图
保存检测到的结果
cv::Mat mserMapMat =cv::Mat::zeros(gray.size(), CV_8UC1); for (int i = (int)regContours.size() - 1; i >= 0; i--) { // 根据检测区域点生成mser+结果 const std::vector<cv::Point>& r = regContours[i]; for (int j = 0; j < (int)r.size(); j++) { cv::Point pt = r[j]; mserMapMat.at<unsigned char>(pt) = 255; } }
MSER根据需要检测的白色区域和黑色区域,又分为MSER+和MSER-
下面贴上Mser车牌目标检测示例 完整的C++代码 示例图片可到 此处下载
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/features2d.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
// Mser车牌目标检测
std::vector<cv::Rect> mserGetPlate(cv::Mat srcImage)
{
// HSV空间转换
cv::Mat gray, gray_neg;
cv::Mat hsi;
cv::cvtColor(srcImage, hsi, CV_BGR2HSV);
// 通道分离
std::vector<cv::Mat> channels;
cv::split(hsi, channels);
// 提取h通道
gray = channels[1];
// 灰度转换
cv::cvtColor(srcImage, gray, CV_BGR2GRAY);
// 取反值灰度
gray_neg = 255 - gray;
std::vector<std::vector<cv::Point> > regContours;
std::vector<std::vector<cv::Point> > charContours;
// 创建MSER对象
cv::Ptr<cv::MSER> mesr1 = cv::MSER::create(2, 10, 5000, 0.5, 0.3);
cv::Ptr<cv::MSER> mesr2 = cv::MSER::create(2, 2, 400, 0.1, 0.3);
std::vector<cv::Rect> bboxes1;
std::vector<cv::Rect> bboxes2;
// MSER+ 检测
mesr1->detectRegions(gray, regContours, bboxes1);
// MSER-操作
mesr2->detectRegions(gray_neg, charContours, bboxes2);
cv::Mat mserMapMat =cv::Mat::zeros(srcImage.size(), CV_8UC1);
cv::Mat mserNegMapMat =cv::Mat::zeros(srcImage.size(), CV_8UC1);
for (int i = (int)regContours.size() - 1; i >= 0; i--)
{
// 根据检测区域点生成mser+结果
const std::vector<cv::Point>& r = regContours[i];
for (int j = 0; j < (int)r.size(); j++)
{
cv::Point pt = r[j];
mserMapMat.at<unsigned char>(pt) = 255;
}
}
// MSER- 检测
for (int i = (int)charContours.size() - 1; i >= 0; i--)
{
// 根据检测区域点生成mser-结果
const std::vector<cv::Point>& r = charContours[i];
for (int j = 0; j < (int)r.size(); j++)
{
cv::Point pt = r[j];
mserNegMapMat.at<unsigned char>(pt) = 255;
}
}
// mser结果输出
cv::Mat mserResMat;
// mser+与mser-位与操作
mserResMat = mserMapMat & mserNegMapMat;
cv::imshow("mserMapMat", mserMapMat);
cv::imshow("mserNegMapMat", mserNegMapMat);
cv::imshow("mserResMat", mserResMat);
// 闭操作连接缝隙
cv::Mat mserClosedMat;
cv::morphologyEx(mserResMat, mserClosedMat,
cv::MORPH_CLOSE, cv::Mat::ones(1, 20, CV_8UC1));
cv::imshow("mserClosedMat", mserClosedMat);
// 寻找外部轮廓
std::vector<std::vector<cv::Point> > plate_contours;
cv::findContours(mserClosedMat, plate_contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE, cv::Point(0, 0));
// 候选车牌区域判断输出
std::vector<cv::Rect> candidates;
for (size_t i = 0; i != plate_contours.size(); ++i)
{
// 求解最小外界矩形
cv::Rect rect = cv::boundingRect(plate_contours[i]);
// 宽高比例
double wh_ratio = rect.width / double(rect.height);
// 不符合尺寸条件判断
if (rect.height > 20 && wh_ratio > 4 && wh_ratio < 7)
candidates.push_back(rect);
}
return candidates;
}
int main()
{
cv::Mat srcImage =
cv::imread("car.jpg");
if (srcImage.empty())
return-1;
cv::imshow("src Image", srcImage);
// 候选车牌区域检测
std::vector<cv::Rect> candidates;
candidates = mserGetPlate(srcImage);
// 车牌区域显示
for (int i = 0; i < candidates.size(); ++i)
{
cv::imshow("rect", srcImage(candidates[i]));
cv::waitKey();
}
cv::waitKey(0);
return 0;
}
相关文章推荐
- OpenCV-利用颜色、形态学和最大稳定极值区域MSER实现车牌区域检测
- OpenCV-最大极值稳定区域MSER分析
- < openCV > 最大稳定极值区域(MSER-Maximally Stable Extremal Regions)
- 最大稳定极值区域(MSER)检测
- Matlab mser(最大极值稳定区域)
- mser 最大稳定极值区域(文字区域定位)算法 附完整C代码
- mser 最大稳定极值区域(文字区域定位)算法 附完整C代码
- matlab实现MSER(最大极值稳定区域)来进行文本定位
- MSER最大稳定极值区域
- 最大稳定极值区域(MSER)检测
- Matlab mser(最大极值稳定区域)
- 图像检索服务器编写问题记录——MSER最大稳定极值区域检测
- matlab实现MSER(最大极值稳定区域)来进行文本定位
- matlab实现MSER(最大极值稳定区域)来进行文本定位
- MSER最稳定极值区域源码分析
- opencv MSER(最大极值稳定区域)
- opencv MSER(最大极值稳定区域)
- opencv MSER(最大极值稳定区域)
- 最大稳定极值区域MSERs
- OpenCV计算连通区域数目与最大连通区域并标示出