数字图像课程工程大作业分析

试题分析：
在连续的视频中对火焰及水柱的轨迹检测，效果如图。
在这里插入图片描述
**
提示：
1、火焰可利用亮度和颜色
2、水柱的轨迹需要先用背景差分获得水柱的连通域，然后利用连通域上的像素点进行曲线的拟合，水枪的位置视为已知，即可以手动活动坐标。**

1、火焰检测

我们先截一张图，观察HSV三个通道图长什么样子：

观察之后决定从S通道着手，首先确定火焰的位置是固定不变的（总是在右下角）
对S通道的图片进行二值化获得二值图，再通过限制像素位置，排除干扰：

在这里插入图片描述
对灰度图进行二值化，发现限制200时，字的影响消失
在这里插入图片描述

//识别并标出火焰
//输入 原图像 输出：原图像上框出框框（火）
void find_fire(Mat& srcMat, Mat& outputMat)
{Mat gray_srcMat;Mat dstMat, binMat;cvtColor(srcMat, gray_srcMat, COLOR_BGR2GRAY);Mat fire_Mat = Mat::zeros(gray_srcMat.size(), gray_srcMat.type());cvtColor(srcMat, dstMat, COLOR_BGR2HSV);vector<Mat> channels;split(dstMat, channels);//将S通道的图像复制，然后处理Mat S_Mat;channels.at(1).copyTo(S_Mat);int row_num = srcMat.rows;			//行数int col_num = srcMat.cols;			//列数//双重循环，遍历右下角像素值for (int i = row_num * 0.75;i < row_num;i++)	//行循环{for (int j = col_num * 0.75;j < col_num;j++)	//列循环{//-------【开始处理每个像素】---------------if ((gray_srcMat.at<uchar>(i, j) >= 150 && S_Mat.at<uchar>(i, j) >= 120)){fire_Mat.at<uchar>(i, j) = 255;}//-------【处理结束】---------------}}//膨胀Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));	//返回的是内核矩阵Mat firedstImage;dilate(fire_Mat, fire_Mat, element);//通过findContours函数寻找连通域vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(fire_Mat, contours, RETR_LIST, CHAIN_APPROX_NONE);//绘制轮廓for (int i = 0; i < contours.size(); i++) {RotatedRect rbox = minAreaRect(contours[i]);drawContours(srcMat, contours, i, Scalar(0, 255, 255), 1, 8);Point2f vtx[4];rbox.points(vtx);for (int j = 0; j < 4; ++j) {cv::line(outputMat, vtx[j], vtx[j < 3 ? j + 1 : 0], Scalar(255, 255, 255), 2, LINE_AA);}}
}

2、水柱检测

利用最简单的背景差分（帧差法），获得图像：
1
框出来的地方是误差，我们对其进行排除

//输入：图片 输出：去除干扰后的图
void clear_other_disturb(Mat& srcMa)
{//通过观察、发现0-180列为干扰，320-480列且0-90行为干扰for (int i = 0;i < 90;i++)	//行循环{for (int j = 320;j < srcMa.cols;j++)	//列循环{//-------【开始处理每个像素】---------------srcMa.at<uchar>(i, j) = 0;//-------【处理结束】---------------}}for (int i = 0;i < srcMa.rows;i++)	//行循环{for (int j = 0;j < 180;j++)	//列循环{//-------【开始处理每个像素】---------------srcMa.at<uchar>(i, j) = 0;//-------【处理结束】---------------}}
}

在这里插入图片描述
二值化一下：
在这里插入图片描述
接下来选择拟合的点：
连通域中的像素坐标：

//输入：二值化图片  输出：点集 （每列最多只有一个点，符合函数一一映射的关系）
void find_point(Mat& binMat, std::vector<cv::Point>& key_point)
{//第一个点肯定是水枪位置//遍历：170列到430列//		30行到230行//遍历方式：遍历每列，从上往下遍历（小到大），找到的第一个为白的点记录下来，如果遍历完这一列并没有发现白色点，则不作记录//注意这里的循环方式与其他地方的相反for (int i = 170;i < 430;i++)	//列循环{for (int j =30;j < 230;j++)	//行循环{if (binMat.at<uchar>(j, i) == 255){//行列与坐标系对应关系//行rows: Y(height)//列cols : X(width)//注意!注意!注意!//在Mat类型变量访问时下标是反着写的key_point.push_back(cv::Point(i,j));break;}}}//打印出来让我看看int N= key_point.size();for (int n = 0;n < N;n++){cout << "point"<< key_point[n].x<<" "<< key_point[n].y << endl;}//画出来Mat image = cv::Mat::zeros(binMat.rows, binMat.cols, CV_8UC3);for (int i = 0; i < key_point.size(); i++){cv::circle(image, key_point[i], 5, cv::Scalar(0, 0, 255), 2, 8, 0);}imshow("tu", image);
}

将选出的点画出来：
在这里插入图片描述
将像素点选取出来之后，接下来就是用最小二乘法拟合曲线，具体内容讲解请看：
https://blog.csdn.net/guduruyu/article/details/72866144

//输入：待拟合的点集，拟合出来的曲线的点
bool polynomial_curve_fit(std::vector<cv::Point>& key_point, int n, cv::Mat& A)
{//Number of key pointsint N = key_point.size();//构造矩阵Xcv::Mat X = cv::Mat::zeros(n + 1, n + 1, CV_64FC1);for (int i = 0; i < n + 1; i++){for (int j = 0; j < n + 1; j++){for (int k = 0; k < N; k++){X.at<double>(i, j) = X.at<double>(i, j) +std::pow(key_point[k].x, i + j);}}}//构造矩阵Ycv::Mat Y = cv::Mat::zeros(n + 1, 1, CV_64FC1);for (int i = 0; i < n + 1; i++){for (int k = 0; k < N; k++){Y.at<double>(i, 0) = Y.at<double>(i, 0) +std::pow(key_point[k].x, i) * key_point[k].y;}}A = cv::Mat::zeros(n + 1, 1, CV_64FC1);//求解矩阵Acv::solve(X, Y, A, cv::DECOMP_LU);return true;
}

最终代码：

#include <opencv2/opencv.hpp>
#include "opencv2/features2d.hpp"
#include <iostream>
#include "windows.h"
#include <stdio.h>
#include <time.h>
#include <math.h>  
#include<opencv2/imgproc/types_c.h> 
//#include "My_ImageProssing_base.h"
#define WINDOW_NAME1 "【程序窗口1】"			
#define WINDOW_NAME2 "【程序窗口2】"	
using namespace cv;
using namespace std;
RNG g_rng(12345);//识别并标出火焰
//输入 原图像 输出：原图像上框出框框（火）
void find_fire(Mat& srcMat, Mat& outputMat)
{Mat gray_srcMat;Mat dstMat, binMat;cvtColor(srcMat, gray_srcMat, COLOR_BGR2GRAY);Mat fire_Mat = Mat::zeros(gray_srcMat.size(), gray_srcMat.type());cvtColor(srcMat, dstMat, COLOR_BGR2HSV);vector<Mat> channels;split(dstMat, channels);//将S通道的图像复制，然后处理Mat S_Mat;channels.at(1).copyTo(S_Mat);int row_num = srcMat.rows;			//行数int col_num = srcMat.cols;			//列数//双重循环，遍历右下角像素值for (int i = row_num * 0.75;i < row_num;i++)	//行循环{for (int j = col_num * 0.75;j < col_num;j++)	//列循环{//-------【开始处理每个像素】---------------if ((gray_srcMat.at<uchar>(i, j) >= 150 && S_Mat.at<uchar>(i, j) >= 120)){fire_Mat.at<uchar>(i, j) = 255;}//-------【处理结束】---------------}}//膨胀Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));	//返回的是内核矩阵Mat firedstImage;dilate(fire_Mat, fire_Mat, element);//通过findContours函数寻找连通域vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(fire_Mat, contours, RETR_LIST, CHAIN_APPROX_NONE);//绘制轮廓for (int i = 0; i < contours.size(); i++) {RotatedRect rbox = minAreaRect(contours[i]);drawContours(srcMat, contours, i, Scalar(0, 255, 255), 1, 8);Point2f vtx[4];rbox.points(vtx);for (int j = 0; j < 4; ++j) {cv::line(outputMat, vtx[j], vtx[j < 3 ? j + 1 : 0], Scalar(255, 255, 255), 2, LINE_AA);}}
}
//--------------------------------------------工程大作业---------------------------------------------------//输入：二值化图片  输出：点集 （每列最多只有一个点，符合函数一一映射的关系）
void find_point(Mat& binMat, std::vector<cv::Point>& key_point)
{//第一个点肯定是水枪位置//遍历：170列到430列//		30行到230行//遍历方式：遍历每列，从上往下遍历（小到大），找到的第一个为白的点记录下来，如果遍历完这一列并没有发现白色点，则不作记录//注意这里的循环方式与其他地方的相反for (int i = 170;i < 430;i++)	//列循环{for (int j =30;j < 230;j++)	//行循环{if (binMat.at<uchar>(j, i) == 255){//行列与坐标系对应关系//行rows: Y(height)//列cols : X(width)//注意!注意!注意!//在Mat类型变量访问时下标是反着写的key_point.push_back(cv::Point(i,j));break;}}}//打印出来让我看看int N= key_point.size();for (int n = 0;n < N;n++){cout << "point"<< key_point[n].x<<" "<< key_point[n].y << endl;}//画出来Mat image = cv::Mat::zeros(binMat.rows, binMat.cols, CV_8UC3);for (int i = 0; i < key_point.size(); i++){cv::circle(image, key_point[i], 5, cv::Scalar(0, 0, 255), 2, 8, 0);}//imshow("tu", image);
}//输入：待拟合的点集，拟合出来的曲线的点
bool polynomial_curve_fit(std::vector<cv::Point>& key_point, int n, cv::Mat& A)
{//Number of key pointsint N = key_point.size();//构造矩阵Xcv::Mat X = cv::Mat::zeros(n + 1, n + 1, CV_64FC1);for (int i = 0; i < n + 1; i++){for (int j = 0; j < n + 1; j++){for (int k = 0; k < N; k++){X.at<double>(i, j) = X.at<double>(i, j) +std::pow(key_point[k].x, i + j);}}}//构造矩阵Ycv::Mat Y = cv::Mat::zeros(n + 1, 1, CV_64FC1);for (int i = 0; i < n + 1; i++){for (int k = 0; k < N; k++){Y.at<double>(i, 0) = Y.at<double>(i, 0) +std::pow(key_point[k].x, i) * key_point[k].y;}}A = cv::Mat::zeros(n + 1, 1, CV_64FC1);//求解矩阵Acv::solve(X, Y, A, cv::DECOMP_LU);return true;
}//输入：图片 输出：去除干扰后的图
void clear_other_disturb(Mat& srcMa)
{//通过观察、发现0-180列为干扰，320-480列且0-90行为干扰for (int i = 0;i < 90;i++)	//行循环{for (int j = 320;j < srcMa.cols;j++)	//列循环{//-------【开始处理每个像素】---------------srcMa.at<uchar>(i, j) = 0;//-------【处理结束】---------------}}for (int i = 0;i < srcMa.rows;i++)	//行循环{for (int j = 0;j < 180;j++)	//列循环{//-------【开始处理每个像素】---------------srcMa.at<uchar>(i, j) = 0;//-------【处理结束】---------------}}
}
int main()
{//实例化的同时初始化VideoCapture capture("D:\\opencv_picture_test\\videos\\大作业.avi");		//类似于 int a=1;//如果视频打开失败//计数器int cnt = 0;Mat frame;Mat rgb_mat;		Mat rgb_mat1;Mat bgMat1;		//第0帧图像Mat bgMat2;		//之后每帧图像while (1){capture >> frame;//图像保护if (!frame.data){cout << "src image load failed!" << endl;break;}//将彩色图保存下来，用于最后画图的底布rgb_mat = frame.clone();rgb_mat1= frame.clone();//转灰度图，用于之后的找水柱cvtColor(frame, frame, COLOR_BGR2GRAY);if (cnt == 0){//第一帧，获得背景图像frame.copyTo(bgMat1);//找火find_fire(rgb_mat, rgb_mat);imshow("output", rgb_mat);waitKey(20);}else if (cnt<=100)	//水柱还没有出现，我们不找水柱，防止误判（其实是有误判的），此时我们只绘制火焰{//找火find_fire(rgb_mat, rgb_mat);imshow("output", rgb_mat);waitKey(20);}else{//获取本次场景的图像frame.copyTo(bgMat2);//====================================进行处理================================================Mat result = bgMat1.clone();//【1】背景图像和当前图像相减absdiff(bgMat1, bgMat2, result);//【2】接下来是去除干扰clear_other_disturb(result);//【3】二值化一下threshold(result, result, 100, 255, THRESH_BINARY);//imshow("result", result);//【4】找点std::vector<cv::Point> points;find_point(result, points);//【5】找到点之后就是拟合曲线，这里采用【https://blog.csdn.net/guduruyu/article/details/72866144】的思路cv::Mat A;//这里使用3次函数，效果很好polynomial_curve_fit(points, 3, A);std::cout << "A = " << A << std::endl;std::vector<cv::Point> points_fitted;for (int x = 170; x < 430; x++){double y = A.at<double>(0, 0) + A.at<double>(1, 0) * x +A.at<double>(2, 0) * std::pow(x, 2) + A.at<double>(3, 0) * std::pow(x, 3);points_fitted.push_back(cv::Point(x, y));}//【6】在彩色图上绘制水柱cv::polylines(rgb_mat, points_fitted, false, cv::Scalar(0, 255, 255), 1, 8, 0);find_fire(rgb_mat1, rgb_mat);imshow("output", rgb_mat);//====================================处理结束================================================waitKey(20);}cnt++;}waitKey(0);return 0;
}

本文章代码可以随意使用！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/378478.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

设计电子商务网站的10个技巧（转自ITEye）

设计电子商务网站的10个技巧（转自ITEye）

导读&#xff1a;随着先进科学技术的应用&#xff0c;人们无需外出逛几个小时来“猎”东西&#xff0c;直接坐在家里就可以购买所需商品&#xff0c;支付服务费用。你只需一台电脑就能搞定。人们习惯了周到的服务和漂亮的橱窗&#xff0c;对网店的选择也不例外。因此&#xff0…
阅读更多...
分析酸对酸性染料染羊毛染色性能的影响？举例说明酸性染料染羊毛时,如何选择合适的染浴pH值？并说明原因。

分析酸对酸性染料染羊毛染色性能的影响？举例说明酸性染料染羊毛时,如何选择合适的染浴pH值？并说明原因。

分析酸对酸性染料染羊毛染色性能的影响？举例说明酸性染料染羊毛时,如何选择合适的染浴pH值？并说明原因。 标准答案： 羊毛属于蛋白质纤维，属于两性纤维，酸影响羊毛的解离程度，带电性及带电量，影响热力学性能。等电点以下，羊毛带正电荷，与阴离子酸性染料之间存在静电引…
阅读更多...
ORACLE连接数据库（备忘）

ORACLE连接数据库（备忘）

常用命令&#xff1a; conn sys/密码 as sysdba 连接数据库转载于:https://www.cnblogs.com/jiangu66/archive/2013/05/01/3053787.html
阅读更多...
stl swap函数_vector :: swap（）函数以及C ++ STL中的示例

stl swap函数_vector :: swap（）函数以及C ++ STL中的示例

stl swap函数C vector :: swap()函数 (C vector::swap() function) vector::swap() is a library function of "vector" header, it is used to swap the content of the vectors, it is called with a vector and accepts another vector as an argument and swaps…
阅读更多...
C++语法：vector的使用

C++语法：vector的使用

【1】vector的创建与元素插入【2】vector元素的访问【3】vector的基本使用技巧【4】vector的几个重要操作【1】vector的创建与元素插入 std::vector<cv::Point> points; //vector容器中保存的类型是Point for (int i 0;i < 10;i) {float x rng.uniform(0, img.cols…
阅读更多...
一、经含氟防水剂整理的织物主要存在的不足？

一、经含氟防水剂整理的织物主要存在的不足？

经含氟防水剂整理的织物主要存在的不足？ 收集资料阶段 含氟防水剂有哪些优缺点 一、含氟防水剂的优点 1、防水效果好，等级高。而无氟防水剂效果相对来说要差一些； 2、兼具防油的功能。无氟防水剂是不具备防油功能的； 3、稳定性好、与其他助剂的配伍好，工艺适应性强；有机…
阅读更多...
Apache Web Login Authentication

Apache Web Login Authentication

Apache Web Login Authentication: Adding password protection to a web site using Apache web server authentication. AuthLDAPURL ldap://ldap.your-domain.com:389/ostooges?uid?subAuthLDAPBindDN "cnStoogeAdmin,ostooges"AuthLDAPBindPassword secret1Aut…
阅读更多...
oracle中的with的用法,oracle中with子句的用法(转)

oracle中的with的用法,oracle中with子句的用法(转)

语法&#xff1a;WITH query_name AS (subquery)[, query_name AS (subquery) ]...使用在主select关键字前&#xff0c;oracle将其当做一个内联视图或者临时表使用。例子&#xff1a;1.最简单的使用方法&#xff1a;如查询部门名称包含“A”的所有员工信息--with clausewith a …
阅读更多...
模拟一个排队系统

模拟一个排队系统

现在有一个数据源&#xff0c;有两种状态&#xff08;ON OFF&#xff09;&#xff0c;ON的持续时间服从均值为T_on的指数分布&#xff0c;OFF的持续时间服从均值为T_off的指数分布&#xff0c;源只在ON的时候产生数据包&#xff0c;服从均值为λ的指数分布 模拟一个排队系统 每…
阅读更多...
stl中copy()函数_std :: copy_if（）函数以及C ++ STL中的示例

stl中copy()函数_std :: copy_if（）函数以及C ++ STL中的示例

stl中copy()函数C STL std :: copy_if()函数 (C STL std::copy_if() function) copy_if() function is a library function of algorithm header, it is used to copy the elements of a container, it copies the certain elements (which satisfy the given condition) of a…
阅读更多...
C++语法：求vector中的最大值及其位置

C++语法：求vector中的最大值及其位置

代码&#xff1a; #include <iostream> #include <vector> #include <algorithm> using namespace std;int main(){vector<int> a { 2,4,6,7,1,0,8,9,6,3,2 };auto maxPosition max_element(a.begin(), a.end());cout << *maxPosition <&l…
阅读更多...
二、织物具备超级防水效果的条件？

二、织物具备超级防水效果的条件？

织物具备超级防水效果的条件？ 收集资料阶段 莲花效应（Lotus Effect），指莲叶表面具有超疏水（superhydrophobicity）以及自洁（self-cleaning）的特性。 由于莲叶具有疏水、不吸水的表面，落在叶面上的雨水会因表面张力的作用形成水珠，换言之，水与叶面的接触角(contacta…
阅读更多...
C#编码简单性之函数篇（如何编写简短的C#代码，随时更新）

C#编码简单性之函数篇（如何编写简短的C#代码，随时更新）

作者&#xff1a;陈勇出处&#xff1a;blog.csdn.net/cheny_com这是编码简单性系列中的其中一篇&#xff0c;之前几篇包括代码篇和语义篇。因为要积累案例&#xff0c;会随时更新。之前提到&#xff1a;编码简单性的“心法”就是&#xff1a;只要屏幕上有任何两部分代码看上去相…
阅读更多...
R学习笔记(1)：R是什么

R学习笔记(1)：R是什么

本文最新版已更新至http://thinkinside.tk/2013/05/03/r_notes_1_what.html 在学习量化投资的时候&#xff0c;我发现了R&#xff08;www.r-project.org&#xff09;。R到底是什么呢&#xff1f;在开始之前&#xff0c;先看看R的神奇之处。 1. R初窥 从CRAN&#xff08;The Co…
阅读更多...
oracle网卡,Oracle_bond网卡配置

oracle网卡,Oracle_bond网卡配置

***************************loyu*******************************************************双网卡创建bond虚拟网卡实验*************************cat > /etc/sysconfig/network-scripts/ifcfg-bond0 << EofDEVICEbond0BOOTPROTOstaticONBOOTyesIPADDR172.16.116.60N…
阅读更多...
Python | 展示一个break语句示例

Python | 展示一个break语句示例

break is a keyword in python just like another programming language and it is used to break the execution of loop statement. 就像另一种编程语言一样&#xff0c; break是python中的关键字&#xff0c;用于中断loop语句的执行。 In the given example, loop is runni…
阅读更多...
数字图像处理知识总结

数字图像处理知识总结

一&#xff1a;基本概念 数字图像&#xff1a;指由被称作像素的小块区域组成的二维矩阵。将物理图像行列划分后&#xff0c;每个小块区域称为像素&#xff08;pixel&#xff09;。每个像素包括两个属性&#xff1a;位置和灰度。图像数字化一般分为采样、量化与编码三个步骤。数…
阅读更多...
三、“涤纶纤维和棉纤维两组分纤维在涤/棉混纺织物燃烧过程中有着明显的物理相互作用和化学相互作用”，解释这两种作用。

三、“涤纶纤维和棉纤维两组分纤维在涤/棉混纺织物燃烧过程中有着明显的物理相互作用和化学相互作用”，解释这两种作用。

“涤纶纤维和棉纤维两组分纤维在涤/棉混纺织物燃烧过程中有着明显的物理相互作用和化学相互作用”，解释这两种作用。 收集资料阶段 棉纤维燃烧后炭化,而涤纶燃烧时熔融滴落,由于棉纤维成为支持体,可使熔融纤维聚集,并阻止其滴落,使熔融纤维燃烧更加剧烈,即所谓"支架效应…
阅读更多...
关于性能测试的通俗解释

关于性能测试的通俗解释

关于性能测试的通俗解释: http://www.docin.com/p-645879730.html 转载于:https://www.cnblogs.com/preftest/archive/2013/05/03/3057231.html
阅读更多...
oracle marley,滚石杂志500大专辑，对欧美音乐感兴趣的可以找来听听。

oracle marley,滚石杂志500大专辑，对欧美音乐感兴趣的可以找来听听。

滚石杂志于2003年11月评选出的滚石杂志五百大专辑。值得一提的是&#xff0c;披头士乐队占据了前五中的三席&#xff0c;前五十中的7席&#xff0c;正式出版的专辑几乎全部入选前五百。排名 演唱者 专辑001 披头士乐队(The Beatles) Sgt. Peppers Lonely Hearts Club Band002 海…
阅读更多...
最新文章

Copyright @ 2022~2023