本文檔展示了如何使用 OpenCV 進行圖像處理和特征檢測，包括邊緣檢測、直線檢測、圓檢測以及多邊形擬合。通過這些技術，可以實現對攝像頭捕獲的實時視頻流進行分析，并標記出檢測到的特征。

1. 基本知識講解

1.1 圖像處理的重要性

目標檢測：圖像處理技術可以用于檢測圖像中的特定對象或特征。

應用場景：廣泛應用于物體識別、工業自動化、機器人導航、自動駕駛等領域。

常見任務：

邊緣檢測：提取圖像中的邊界信息。

直線檢測：識別圖像中的直線結構。

圓檢測：識別圖像中的圓形結構。

多邊形擬合：將輪廓擬合成多邊形以簡化形狀描述。

1.2 圖像處理的基本流程

初始化攝像頭：打開攝像頭設備并設置分辨率。

讀取圖像幀：從攝像頭中獲取實時視頻幀。

預處理：將圖像轉換為灰度圖、降噪等操作。

特征檢測：執行邊緣檢測、霍夫變換等算法。

結果繪制：在原圖上繪制檢測到的特征。

顯示結果：將處理后的圖像輸出到屏幕。

2. API文檔

2.1 頭文件

#include

2.2 高斯模糊

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

參數：

src：輸入圖像。

dst：輸出圖像。

Size(3, 3)：卷積核大小。

0：標準差。

返回值：

無。

2.3 邊緣檢測

cv::Canny(src,dst,50,150);

參數：

src：輸入圖像。

dst：輸出圖像。

50：低閾值。

150：高閾值。

apertureSize：Sobel 算子的孔徑大小（默認為 3）。

L2gradient：是否使用 L2 范數計算梯度（默認為 false）。

返回值：

無。

2.4 查找圖像中的輪廓

cv::findContours(src,contours,hierarchy,mode,method);

參數：

src：輸入圖像。

contours：輪廓列表。

hierarchy：輪廓層級信息。

mode：輪廓查找模式（默認為 CV_RETR_EXTERNAL）。

method：輪廓 approximation 方法（默認為 CV_CHAIN_APPROX_SIMPLE）。

返回值：

無

2.5 對輪廓進行多邊形擬合

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

參數：

contours[i]：輪廓。

approx：多邊形頂點列表。

epsilon：精度參數，表示最大距離，用于控制多邊形擬合的精度。

closed：是否閉合多邊形（默認為 false）。

返回值：

無

2.6 使用概率霍夫變換檢測直線

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

參數：

src：輸入圖像。

lines：檢測到的直線列表。

1：rho 分辨率。

CV_PI / 180：theta 分辨率。

50：最小線段長度。

50：最大線段間隔。

10：線段閾值。

返回值：

無

2.7 使用霍夫變化檢測圓型

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

參數：

src：輸入圖像。

circles：檢測到的圓列表。

CV_HOUGH_GRADIENT：檢測方法。

1：rho 分辨率。

src.rows / 8：theta 分辨率。

200：最小圓半徑。

100：最大圓半徑。

0：圓心 x 坐標。

0：圓心 y 坐標。

返回值：

無

3. 綜合代碼解析

3.1 識別圓

3.1.1 流程圖

3.1.2 核心代碼解析

灰度轉換

cv::cvtColor(src,gray,cv::COLOR_BGR2GRAY);

高斯模糊

cv::GaussianBlur(gray,gray,cv::Size(5,5),0);

霍夫圓檢測并繪制圓

std::vector<cv::Vec3f>circles;
cv::HoughCircles(gray,circles,cv::HOUGH_GRADIENT,1,gray.rows/16,100,30,1,300);
for(constcv::Vec3f&circle:circles) {
cv::Pointcenter(cvRound(circle[0]),cvRound(circle[1]));
intradius=cvRound(circle[2]);
cv::circle(src,center,radius,cv::Scalar(0,255,255),2); // 繪制圓
}

3.1.3 完整代碼實現

#include
#include
#include

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;
// 初始化攝像頭
cv::VideoCapturecap;
intwidth=640; // 設置攝像頭分辨率寬度
intheight=480;// 設置攝像頭分辨率高度
cap.set(cv::CAP_PROP_FRAME_WIDTH,width);
cap.set(cv::CAP_PROP_FRAME_HEIGHT,height);

cap.open(0);// 參數 0 表示默認攝像頭設備
if(!cap.isOpened())
{
std::cerr<<"Error: Could not open camera."<<std::endl;
returnEXIT_FAILURE;
}

while(true)
{
// 讀取輸入圖像
cv::Matsrc;
cap>>src;// 獲取新的一幀
if(src.empty())
{
std::cerr<<"Warning: Couldn't read a frame from the camera."<<std::endl;
continue;
}

// 轉換為灰度圖像
cv::Matgray;
cv::cvtColor(src,gray,cv::COLOR_BGR2GRAY);

// 高斯模糊降噪
cv::GaussianBlur(gray,gray,cv::Size(5,5),0);

// 圓檢測（霍夫圓變換）
std::vector<cv::Vec3f>circles;
cv::HoughCircles(gray,circles,cv::HOUGH_GRADIENT,1,gray.rows/16,100,30,1,300);
for(constcv::Vec3f&circle:circles)
{
cv::Pointcenter(cvRound(circle[0]),cvRound(circle[1]));
intradius=cvRound(circle[2]);
cv::circle(src,center,radius,cv::Scalar(0,255,255),2);// 繪制圓
}

edit.Print(src);
}

cap.release();
return0;
}

3.2 識別直線

3.2.1 流程圖

3.2.2 核心代碼解析

將原始圖像轉換為灰度圖像

cv::cvtColor(src,gray,cv::COLOR_BGR2GRAY);

Canny邊緣檢測

cv::Canny(gray,edges,50,150);

利用霍夫變換檢測直線并在原圖像中繪制

cv::HoughLinesP(edges,lines,1,CV_PI/180,50,50,10);
for(constcv::Vec4i&line:lines)
{
cv::line(src,cv::Point(line[0],line[1]),cv::Point(line[2],line[3]),cv::Scalar(255,0,0),2);
}

3.2.3 完整代碼實現

#include
#include
#include

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;
// 初始化攝像頭
cv::VideoCapturecap;
intwidth=640; // 設置攝像頭分辨率寬度
intheight=480;// 設置攝像頭分辨率高度
cap.set(cv::CAP_PROP_FRAME_WIDTH,width);
cap.set(cv::CAP_PROP_FRAME_HEIGHT,height);

cap.open(0);// 參數 0 表示默認攝像頭設備
if(!cap.isOpened())
{
std::cerr<<"Error: Could not open camera."<<std::endl;
returnEXIT_FAILURE;
}

while(true)
{
// 讀取輸入圖像
cv::Matsrc;
cap>>src;// 獲取新的一幀
if(src.empty())
{
std::cerr<<"Warning: Couldn't read a frame from the camera."<<std::endl;
continue;
}

// 轉換為灰度圖像
cv::Matgray;
cv::cvtColor(src,gray,cv::COLOR_BGR2GRAY);

// 邊緣檢測（Canny）
cv::Matedges;
cv::Canny(gray,edges,50,150);

// 直線檢測（霍夫變換）
std::vector<cv::Vec4i>lines;
cv::HoughLinesP(edges,lines,1,CV_PI/180,50,50,10);
for(constcv::Vec4i&line:lines)
{
cv::line(src,cv::Point(line[0],line[1]),cv::Point(line[2],line[3]),cv::Scalar(255,0,0),2);
}

edit.Print(src);
}

cap.release();
return0;
}

3.3 識別多邊形

3.3.1 流程圖

3.3.2 核心代碼解析

預處理：包括灰度轉換、高斯模糊、Canny邊緣檢測

cv::cvtColor(src,gray,cv::COLOR_BGR2GRAY);
cv::GaussianBlur(gray,gray,cv::Size(5,5),0);
cv::Canny(gray,edges,50,150);

輪廓分析

std::vector<std::vector<cv::Point>>contours;
cv::findContours(edges,contours,cv::RETR_LIST,cv::CHAIN_APPROX_SIMPLE);

多邊形擬合

for(size_ti=0;i<contours.size();i++) {
std::vector<cv::Point>approx;
cv::approxPolyDP(contours[i],approx,
cv::arcLength(contours[i],true)*0.02,true);
cv::drawContours(polygonImage,
std::vector<std::vector<cv::Point>>{approx},-1,
cv::Scalar(0,0,255),2);
}

3.3.3 完整代碼實現

#include
#include
#include

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;
// 初始化攝像頭
cv::VideoCapturecap;
intwidth=640; // 設置攝像頭分辨率寬度
intheight=480;// 設置攝像頭分辨率高度
cap.set(cv::CAP_PROP_FRAME_WIDTH,width);
cap.set(cv::CAP_PROP_FRAME_HEIGHT,height);

cap.open(0);// 參數 0 表示默認攝像頭設備
if(!cap.isOpened())
{
std::cerr<<"Error: Could not open camera."<<std::endl;
returnEXIT_FAILURE;
}

while(true)
{
// 讀取輸入圖像
cv::Matsrc;
cap>>src;// 獲取新的一幀
if(src.empty())
{
std::cerr<<"Warning: Couldn't read a frame from the camera."
<<std::endl;
continue;
}

// 轉換為灰度圖像
cv::Matgray;
cv::cvtColor(src,gray,cv::COLOR_BGR2GRAY);

// 高斯模糊降噪
cv::GaussianBlur(gray,gray,cv::Size(5,5),0);

// 邊緣檢測（Canny）
cv::Matedges;
cv::Canny(gray,edges,50,150);

// 查找輪廓
std::vector<std::vector<cv::Point>>contours;
cv::findContours(edges,contours,cv::RETR_LIST,cv::CHAIN_APPROX_SIMPLE);

// 多邊形擬合
cv::MatpolygonImage=src.clone();
for(size_ti=0;i<contours.size();i++)
{
std::vector<cv::Point>approx;
cv::approxPolyDP(contours[i],approx,
cv::arcLength(contours[i],true)*0.02,true);
cv::drawContours(polygonImage,
std::vector<std::vector<cv::Point>>{approx},-1,
cv::Scalar(0,0,255),2);
}

edit.Print(polygonImage);
}

cap.release();
return0;
}

4. 編譯過程

4.1 編譯環境搭建

請確保你已經按照開發環境搭建指南正確配置了開發環境。

同時以正確連接開發板。

4.2 Cmake介紹

# CMake最低版本要求
cmake_minimum_required(VERSION3.10)

project(test_find_contours)

set(CMAKE_CXX_STANDARD17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 定義項目根目錄路徑
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")

# 定義 OpenCV SDK 路徑
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"${OpenCV_LIBS}")
# 定義 LockzhinerVisionModule SDK 路徑
set(LockzhinerVisionModule_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")
set(LockzhinerVisionModule_DIR"${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")
find_package(LockzhinerVisionModule REQUIRED)

# 尋找圓型輪廓
add_executable(Test-find-circle find_circle.cc)
target_include_directories(Test-find-circle PRIVATE${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})
target_link_libraries(Test-find-circle PRIVATE${OPENCV_LIBRARIES}${LOCKZHINER_VISION_MODULE_LIBRARIES})
# 尋找線
add_executable(Test-find-line find_line.cc)
target_include_directories(Test-find-line PRIVATE${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})
target_link_libraries(Test-find-line PRIVATE${OPENCV_LIBRARIES}${LOCKZHINER_VISION_MODULE_LIBRARIES})
# 尋找多邊形
add_executable(Test-find-polygon find_polygon.cc)
target_include_directories(Test-find-polygon PRIVATE${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})
target_link_libraries(Test-find-polygon PRIVATE${OPENCV_LIBRARIES}${LOCKZHINER_VISION_MODULE_LIBRARIES})

install(
TARGETS Test-find-circle
TARGETS Test-find-line
TARGETS Test-find-polygon
RUNTIME DESTINATION .
)

4.3 編譯項目

使用 Docker Destop 打開 LockzhinerVisionModule 容器并執行以下命令來編譯項目

# 進入Demo所在目錄
cd/LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/C04_find_contours
# 創建編譯目錄
rm-rfbuild &&mkdirbuild &&cdbuild
# 配置交叉編譯工具鏈
exportTOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置項目
cmake ..
# 執行編譯項目
make-j8&&makeinstall

在執行完上述命令后，會在build目錄下生成可執行文件。

5. 例程運行示例

5.1 圓識別

chmodfind_circle
./find_circle

識別結果：

5.2 直線識別

chmodfind_line
./find_line

識別結果：

5.3 多邊形識別

chmodfind_polygon
./find_polygon

多邊形識別：

6. 總結

本文檔深入探討了使用 OpenCV 進行實時圖像處理與特征檢測的多種方法，展示了如何通過邊緣檢測、直線檢測、圓檢測以及多邊形擬合等技術對攝像頭捕獲的視頻流進行分析。同時使用傳統視覺方法進行圖像識別，對環境非常敏感，推薦使用LockAI目標檢測方法進行不同物體的識別以取得更好的效果。