【OpenCV】车辆识别 C++ OpenCV 原理介绍 + 案例实现

 作用：

图像的二值化就是将图像上的像素点的灰度值设置为0或255，这样将使整个图像呈现出明显的黑白效果
在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓

 全局阈值：

函数：threshold（）
参数：
参数1：InputArray类型的src，输入数组，填单通道 , 8或32位浮点类型的Mat即可 
参数2：OutputArray类型的dst，函数调用后的运算结果存在这里，即这个参数用于存放输出结果，且和第一个参数中的Mat变量有一样的尺寸和类型
参数3：double类型的thresh，阈值的具体值
参数4：double类型的maxval，当第5个参数阈值类型type取 THRESH_BINARY 或THRESH_BINARY_INV阈值类型时的最大值
参数5：int类型的type，取阀值的算法
 局部阈值：
函数：adaptiveThreshold（）
参数：
参数1：InputArray类型的src，输入图像，填单通道，单8位浮点类型Mat即可
参数2：函数运算后的结果存放在这。即为输出图像
参数3：预设满足条件的最大值
参数4：指定自适应阈值算法，可选择ADAPTIVE_THRESH_MEAN_C 或 ADAPTIVE_THRESH_GAUSSIAN_C两种
参数5：指定阈值类型，可选择THRESH_BINARY或者THRESH_BINARY_INV两种
（即二进制阈值或反二进制阈值）
参数6：表示邻域块大小，用来计算区域阈值，一般选择为3、5、7等
参数7：参数C表示与算法有关的参数，它是一个从均值或加权均值提取的常数，可以是负数

膨胀就是使用算法，将图像的边缘扩大些，作用就是将目标的边缘或者是内部的坑填掉 

腐蚀就是使用算法，将图像的边缘腐蚀掉，作用就是将目标的边缘的“毛刺”踢除掉

    cvtColor(frontFrame,frontGray,CV_BGR2GRAY);//前一帧灰度处理

    cvtColor(afterFrame,afterGray,CV_BGR2GRAY);//后一帧灰度处理

    //【帧差法】对比两帧图像之间差异，捕获运动物体

    //缺点:所有运动的物体都会展现
    Mat diff;
    absdiff(frontGray,afterGray,diff);//前后两帧对比存在diff中

    //【二值化】黑白分明

    //局部阈值
    threshold(diff,diff,25,255,CV_THRESH_BINARY);

    //【腐蚀处理】将背景中的白色噪点尽可能去除 降噪处理

    Mat element = cv::getStructuringElement(MORPH_RECT,Size(4,4));//小于4*4方块的白色噪点都会被腐蚀
    erode(diff,diff,element);

    //【膨胀处理】将白色区域扩大,更加明显，利于目标识别

    Mat element2=cv::getStructuringElement(MORPH_RECT,Size(30,30));
    dilate(diff,diff,element2);

    //动态物体的位置进行标记

    vector<vector<Point>>contours;
    findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
 
    //提取关键点
    vector<vector<Point>>contours_poly(contours.size());
    vector<Rect>boundRect(contours.size());
    //确定四个点来进行框住目标物体
    int x,y,w,h;
    int num=contours.size();
    for(int i = 0;i < num;i++)
    {
        approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
        boundRect[i]=boundingRect(Mat(contours_poly[i]));
        x=boundRect[i].x;
        y=boundRect[i].y;
        w=boundRect[i].width;
        h=boundRect[i].height;
        //绘制矩形
        rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(255,0,0),2);//Scalar颜色
    }

#include <iostream>

#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
 
Mat MoveCheck(Mat &frontFrame,Mat &afterFrame)
{
 
    Mat frontGray,afterGray;//前后灰度处理
    Mat resFrame = afterFrame.clone();
 
    //【灰度处理】
    cvtColor(frontFrame,frontGray,CV_BGR2GRAY);//前一帧灰度处理
    cvtColor(afterFrame,afterGray,CV_BGR2GRAY);//后一帧灰度处理
 
    //【帧差法】对比两帧图像之间差异，捕获运动物体
    //缺点:所有运动的物体都会展现
    Mat diff;
    absdiff(frontGray,afterGray,diff);//前后两帧对比存在diff中
    //imshow("diff",diff);
 
    //【二值化】黑白分明
    //局部阈值
    threshold(diff,diff,25,255,CV_THRESH_BINARY);
    //imshow("threshold",diff);
 
    //【腐蚀处理】将背景中的白色噪点尽可能去除 降噪处理
    Mat element = cv::getStructuringElement(MORPH_RECT,Size(4,4));//小于4*4方块的白色噪点都会被腐蚀
    erode(diff,diff,element);
    //imshow("erode",diff);
 
    //【膨胀处理】将白色区域扩大,更加明显，利于目标识别
    Mat element2=cv::getStructuringElement(MORPH_RECT,Size(30,30));
    dilate(diff,diff,element2);
    //imshow("dilate",diff);
 
    //开运算:先腐蚀后膨胀，去掉高亮物体背景中白色的噪点，凸显高亮物体
    //闭运算:先膨胀后腐蚀，去掉高亮物体内部的黑色小坑洞，凸显高亮物体
 
    //动态物体的位置进行标记
    vector<vector<Point>>contours;
    findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
 
    //提取关键点
    vector<vector<Point>>contours_poly(contours.size());
    vector<Rect>boundRect(contours.size());
    //确定四个点来进行框住目标物体
    int x,y,w,h;
    int num=contours.size();
    for(int i = 0;i < num;i++)
    {
        approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
        boundRect[i]=boundingRect(Mat(contours_poly[i]));
        x=boundRect[i].x;
        y=boundRect[i].y;
        w=boundRect[i].width;
        h=boundRect[i].height;
        //绘制矩形
        rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(255,0,0),2);//Scalar颜色
    }
    return resFrame;
}
int main(int argc, char *argv[])
{
 
    Mat frame;
    Mat temp;
    Mat res;
    int count = 0;
    VideoCapture cap("C:/Users/86177/Desktop/image/carMove.mp4");//视频路径
 
    while(cap.read(frame))
    {
        count++;
        if(count == 1)
        {
            res = MoveCheck(frame,frame);
        }
        else
        {
            res = MoveCheck(temp,frame);
        }
        temp = frame.clone();
        imshow("frame",frame);
        imshow("res",res);
        waitKey(25);//延时
    }
 
    return 0;
}

本文主要讲解了OpenCV图像处理基本的原理，包括帧差法、二值化、膨胀腐蚀、开运算、闭运算

以车辆识别为例子，详细讲解了图像处理相关操作，在各个步骤是怎么样的一个效果
车辆识别在我们日常生活中非常常见，是一个很经典的案例，本案例算是初步实现，但是，通过案例也发现，帧差法的缺点显而易见，测试视频存在很多干扰，比如说其他移动的物体，例如，风比较大，树叶跟着动，我们的框选位置就会受到干扰，不一定是我们预期想要的目标，接下来也会继续对这方面进行深入探究和学习，争取做到更好！