我們將在本文中介紹以下高級(jí)圖像處理操作：

• Canny 邊緣檢測
• 輪廓和形狀識(shí)別

Canny 邊緣檢測 ：Canny 邊緣檢測是一種流行的邊緣檢測算法。它是由 John F. Canny 在 1986 年開發(fā)的。它是一個(gè)多階段算法，我們將按如下方式經(jīng)歷每個(gè)階段：

1. 噪聲抑制： 第一步是使用高斯平滑從圖像中去除噪聲，這涉及使用高斯核，其中靠近核中心的像素被賦予比遠(yuǎn)處像素更多的權(quán)重。
2. 梯度計(jì)算 ：應(yīng)用Sobel 濾波器計(jì)算圖像的梯度以計(jì)算邊緣強(qiáng)度和方向，該濾波器突出顯示 x 和 y 軸上的強(qiáng)度變化。
3. Non-Maximum Suppression： Non-Maximum Suppression通過遍歷上一步生成的梯度矩陣中的所有值來尋找邊緣方向強(qiáng)度更大的像素，從而減少邊緣的厚度。
4. 雙閾值滯后： 最后一步使用輸入?yún)?shù)下閾值和上限閾值來過濾掉潛在邊緣，根據(jù)以下標(biāo)準(zhǔn)丟棄不相關(guān)的邊緣：

如果像素梯度值高于上限閾值，則像素被接受為邊緣。

如果像素梯度值低于下限閾值，則像素被拒絕。

如果像素梯度值介于兩個(gè)閾值之間，則僅當(dāng)它連接到高于閾值上限的像素時(shí)才會(huì)被接受。

ImgProc類為 Canny 邊緣檢測提供了一個(gè)Canny方法，該方法采用以下參數(shù)：

• Source Image: Mat
• Output edges: Mat
• Lower Threshold: double
• Upper Threshold: double

public static Mat cannyEdges(Mat img){
Mat canny = new Mat();
Imgproc.Canny(img,canny,30,100);
return canny;
}

Canny 邊緣檢測

原始圖像

Canny 邊緣檢測

雙邊濾波圖像上的 Canny 邊緣檢測

注意：Canny 邊緣檢測算法基于梯度，因此對(duì)圖像噪聲高度敏感。因此，在灰度圖像上應(yīng)用 Canny 邊緣檢測是一種很好的做法。

**輪廓：**輪廓可以定義為連接沿邊界具有相同強(qiáng)度的所有連續(xù)點(diǎn)的曲線。它們對(duì)于形狀分析和對(duì)象檢測很有用。

使用二值圖像查找輪廓是一種很好的做法。二值圖像是這樣的圖像，其中每個(gè)像素只能有兩個(gè)可能的強(qiáng)度值（0 表示黑色，1 或 255 表示白色）。

ImgProc 類提供了一種用于生成二值圖像的閾值方法，該方法使用以下參數(shù)：

• Source Image: Mat - grayscale image
• Output Image: Mat
• Threshold : double: 如果像素值小于閾值，則設(shè)置為 0。
• Maximum：雙精度 - 分配給超過閾值的像素的最大值。
• Type of threshold：int - OpenCV 提供不同類型的閾值技術(shù)，如 OTSU 、TOZERO等。

public static Mat convertToBinary(Mat img){
Mat binImg = new Mat();
Imgproc.threshold(img,binImg,125 ,255,Imgproc.THRESH_BINARY);
return binImg;
}

圖像轉(zhuǎn)換為二進(jìn)制

二進(jìn)制圖像

尋找輪廓：ImgProc 類提供了一個(gè)findContours方法，該方法接受以下輸入?yún)?shù)：

• Image：Mat - 二進(jìn)制圖像
• Contours : List- 檢測到的輪廓存儲(chǔ)在這個(gè)列表中
• Hierarchy : Mat - 存儲(chǔ)有關(guān)圖像拓?fù)涞男畔?/li>
• Contour Retrieval Mode：int - OpenCV 提供以下檢索模式：
  • RETR_LIST(0) ：檢索所有輪廓而不保持層次關(guān)系。
  • RETR_EXTERNAL(1)： 僅檢索所有極端外輪廓。
  • RETR_CCOMP(2)： 檢索所有輪廓并將它們排列到 2 級(jí)層次結(jié)構(gòu)中。對(duì)象的外部輪廓放置在層次 1 中，對(duì)象內(nèi)部的孔的輪廓放置在層次 2 中。
  • RETR_TREE(3)： 檢索所有輪廓并創(chuàng)建完整的層次結(jié)構(gòu)列表。
• Contour Approximation Method : int - 近似方法指定存儲(chǔ)邊界坐標(biāo)的方式。
  • CHAIN_APPROX_NONE： 存儲(chǔ)所有邊界點(diǎn)。
  • CHAIN_APPROX_SIMPLE ：去除冗余點(diǎn)并壓縮輪廓；例如：對(duì)于一條線，存儲(chǔ)兩個(gè)端點(diǎn)。

public static void findAndDrawContours(Mat binImg,Mat org){
List contourList = new ArrayList();
Imgproc.findContours(binImg,contourList,new Mat(), Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_SIMPLE);
Imgproc.drawContours(org, contourList, -1, new Scalar(50, 205, 50), 2);
HighGui.imshow("Contours",org);
HighGui.waitKey();
}

查找和繪制輪廓

繪制輪廓： ImgProc 類提供了一個(gè)drawContours方法，該方法使用以下參數(shù)：

• Image：Mat - 目標(biāo)圖像
• Contour List：List< MatOfPoint>
• Contour Index: int - 要繪制的輪廓索引，負(fù)值表示所有輪廓都已繪制。
• Color：Scalar - 輪廓的顏色。
• Thickness：int - 邊界線的厚度。

輪廓

使用輪廓進(jìn)行形狀檢測： 我們可以使用輪廓來根據(jù)近似曲線中的周長、面積和陣列點(diǎn)的數(shù)量來檢測形狀。ImgProc 類提供了一個(gè)approxPolyDP方法，該方法返回基于輪廓的近似曲線并使用以下參數(shù)：

• curve：MatOfPoint2f
• approxCurve: MatOfPoint2f - 輸出曲線
• epsilon: double - Epsilon 指定近似精度。這是原始曲線與其近似值之間的最大距離，我們可以使用 ImgProc arcLength 方法（返回曲線長度或周長）進(jìn)行優(yōu)化。
• closed：布爾值 - 如果近似曲線是閉合的，則為 true，否則為 false。

public static void shapeDetection(Mat binImg,Mat org){
List contourList = new ArrayList();
List selectedContours = new ArrayList<>();
Imgproc.findContours(binImg,contourList,new Mat(), Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE);
for(int i=0;i MatOfPoint2f point = new MatOfPoint2f();
point.fromList(contourList.get(i).toList());
MatOfPoint2f approxCurve = new MatOfPoint2f();
double parameter = Imgproc.arcLength(point, true);
Imgproc.approxPolyDP(point, approxCurve, parameter * 0.02, true);
long total = approxCurve.total();
//Detecting Rectangle Shape
if (total == 4) {
double area = Imgproc.contourArea(contourList.get(i));
//rectangle with area greater than 500
if(area>500)
selectedContours.add(contourList.get(i));
}
}
Imgproc.drawContours(org, selectedContours, -1, new Scalar(50, 205, 50), 3);
HighGui.imshow("Contours",org);
HighGui.waitKey();
}

使用輪廓進(jìn)行形狀檢測