摘要： 在OpenCV中，能够很方便的求轮廓包围盒。包括矩形，圆形，椭圆形以及倾斜的矩形(包围面积最小)集中包围盒。用到的四个函数是：Rect boundingRect(InputArray points)void minEnclosingCircle(InputArray points, Point2f& center, float& radius)RotatedRect minAreaRect(InputArray points)RotatedRect fitEllipse(InputArray points)输入的参数都是轮廓，下面是程序代码：1. Rect和原型包围盒代码：nt 阅读全文

摘要： 前几年在做毕业设计时候曾用opencv1.0中defects做过简单的手势识别，这几天看OpenCV2.46中的轮廓函数，发现和以前差别挺大，函数调用完全不一样，重新实现了简单手势的代码。1.首先用简单的肤色检测算法，得到手的区域。 Mat img = cv::imread("../hand2.jpg"); namedWindow("image"); imshow("image", img); Mat hsvimg; 首先把图像转化到HSV颜色空间，利用肤色色度、饱和度和亮度的特殊范围，得到手的区域。最后对得到的二值手的区域进行开闭操 阅读全文

摘要： 上一篇教程中，我们学习了如何计算轮廓的凸包，其实对一个轮廓而言，可能它的凸包和它本身是重合的，也有可能不是重合的。比如下面左边图像的轮廓本身就是凸包，而右边图像的轮廓则不是。我们可以通过函数bool isContourConvex(InputArray contour)，来判定一个轮廓是否是凸包，是的话返回true，否则false[注意测试的轮廓必须是简单轮廓，没有自交叉之类的]。 对一个非凸包的轮廓而言，它包括一系列的凹陷区域，这些区域称作defect，比如下面手轮廓中，包括6个defect区域。在OpenCV中，我们用下面的结构来定义defect。struct CvConvexityDe. 阅读全文

摘要： 在opencv中，通过函数convexHulll能很容易的得到一系列点的凸包，比如由点组成的轮廓，通过convexHull函数，我们就能得到轮廓的凸包。下面的图就是一些点集的凸包。求凸包的代码如下：int main( int /*argc*/, char** /*argv*/ ) { Mat img(500, 500, CV_8UC3); RNG& rng = theRNG(); cout points; //随机在1-100个点，这些点位于图像中心3/4处。 for( i = 0; i hull; convexHul... 阅读全文

摘要： OpenCV中可以方便的在一副图像中检测到轮廓，并把这些轮廓画出来。主要用到两个函数：一个是findContours( img, contours0, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);另一个是drawContours( cnt_img, contours, idx, color, 1, 8, hierarchy );int main( int argc, char**) { Mat img = Mat::zeros(w, w, CV_8UC1); //画6个卡通头像 for( int i = 0; i > con... 阅读全文

摘要： 我们可以利用OpenCV的直方图，backproject直方图和meanshift算法来跟踪物体。下面通过简单的例子来说明如何实现跟踪算法，我们有两幅狒狒的图片，如下图所示：我们首先在左图中框选狒狒的脸，计算出框选区域的色度(HSV空间的H)直方图，然后在image2中，backproject该直方图，得到每个像素点属于该直方图的概率图。 得到的概率图之后，我们去掉图中低饱和度的像素，然后二值化，最后对该图使用meanshift算法，得到密度最大的区域，这个区域就是我们跟踪的目标区域。注意下面去掉低饱和度像素的方法(HSV空间中的S分量表示饱和度):cv::cvtColor(image, h. 阅读全文

摘要： 本章中我们学习一下通过backproject直方图，得到一副图像中每个像素属于该直方图的概率。在下边原始图中(左图)，我们框选了一块四边形的区域，计算该区域的灰度直方图，然后通过下面的函数calcBackProject，计算图像src中每个像素在直方图中的概率，最终的结果在result中，result中每个像素表示该像素在直方图中的概率，我们对得到的结果进行二值化，就得到下边右图的结果。 我们框选了一块白云区域，但从背投影结果中，海浪的边缘在直方图中的概率也很高，这是因为它们的灰度比较相似，如果我们只想白云的位置，最好使用三通道的直方图，然后背投影。 cv::calcBackProject(. 阅读全文

摘要： 在OpenCV中，也可以对三通道的图像，比如BGR，HSV等计算直方图。方法和计算单通道图像直方图相似，下面的代码描述了如何计算一个BGR三通道图像的直方图，需要注意的是，因为是三通道，每个通道取值都是[0,255]，所以bin的数目达到了256*256*256，这时如果使用普通三维矩阵输出直方图结果，需要很大的空间，所以我们通常使用稀疏矩阵来保存输出结果。因为稀疏矩阵只保存非零值，这样可以节省存储空间。int main( int argc, char** argv ) { Mat src, dst; /// 打开图像 src = imread( "../lenn... 阅读全文

摘要： 直方图是对数据的统计，并将统计结果分布于一系列预定义的槽中。这里的数据不仅仅指的是灰度值，它可以是任何能有效描述图像特征的数据，比如图像梯度等等。 假设有一个矩阵包含一张图像的信息 (灰度值 0-255)，我们已经知道灰度值范围是0-255，假设有16个槽(bin)，则有下面的划分：我们可以统计落入每个槽中像素的数目，并用直方图的形式显示出来。让我们再来了解一下直方图的一些具体细节:dims: 需要统计的特征的数目， 在上例中， dims = 1 因为我们仅仅统计了灰度值(灰度图像)。 bins: 每个特征空间 子区段 的数目，在上例中, bins = 16range: 每个特征空间的取值范. 阅读全文

摘要： 原帖地址：http://www.opencvchina.com/thread-749-1-1.html k-means是一种聚类算法，这种算法是依赖于点的邻域来决定哪些点应该分在一个组中。当一堆点都靠的比较近，那这堆点应该是分到同一组。使用k-means，可以找到每一组的中心点。当然，聚类算法并不局限于2维的点，也可以对高维的空间（3维，4维，等等）的点进行聚类，任意高维... 阅读全文