1. 首页
  2. 文章中心
  3. unity3d

unity3d OpenCVForUnity(二)

78 阅读 0 评论
我是靠谱客的博主 长情往事，最近开发中收集的这篇文章主要介绍unity3d OpenCVForUnity(二)，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

静态方法描述
Imgproc.findContours轮廓检索方式,是形状分析和对象检测和识别的有用工具,参考 PCAExample示例
Imgproc.drawContours绘制轮廓轮廓或填充轮廓,与findContours 合用,参数== contourIdx==:-1为全部绘制,根据contours数量填写,thickness:线条粗细,LineTypes 参数层次结构有关层次结构的可选信息。仅当您只想绘制一些轮廓时才需要它参数 ,maxLevel 绘制轮廓的最大级别。如果为 0，则仅绘制指定的轮廓。如果为 1，则该函数绘制等高线和所有嵌套的等高线。如果为 2，则函数绘制轮廓、所有嵌套轮廓、所有嵌套到嵌套轮廓，依此类推。仅当有可用的层次结构时才考虑此参数
Imgproc.contourArea轮廓区域,计算轮廓面积
Imgproc.arcLength计算轮廓周长或曲线长度,该函数计算曲线长度或闭合轮廓周长。
Imgproc.approxPolyDP以指定的精度逼近多边形曲线。近似函数
Imgproc.boundingRect计算灰度图像的点集或非零像素的右上边界矩形
Imgproc.matchTemplate模板匹配,将模板与重叠的图像区域进行比较。参考场景示例== MatchTemplateExample==
Imgproc.calcHist直方图计算
Imgproc.equalizeHist均衡灰度图像的直方图
Imgproc.createCLAHE对一张图进行区域划分,然后再做智能直方图均衡化
Imgproc.getStructuringElement自己定义一个核的大小,参数shape:形状 Imgproc.MORPH_RECT矩形等等,ksize:核的大小,anchor:核的锚点,默认(-1,-1)
Core.minMaxLoc查找数组中的全局最小值和最大值

一.图像轮廓

① 轮廓检索

Imgproc.findContours(image, contours, hierarchy, mode, method)参数解释
1.mode

参数描述
Imgproc.RETR_EXTERNAL只检测最外面的轮廓
Imgproc.RETR_LIST检测所有轮廓,并保存到一条链表当中
Imgproc.RETR_CCOMP检测所有轮廓,并分为两层
Imgproc.RETR_TREE检测所有轮廓,并重构嵌套轮廓的整个层次

2.method

参数描述
Imgproc.CHAIN_APPROX_NONE以Freeman链码的方式输出轮廓
Imgproc.CHAIN_APPROX_SIMPLE压缩水平,垂直和斜的部分

在这里插入图片描述

void TestContours()
    {
        //读取灰度图
        Mat mat = Imgcodecs.imread(Application.streamingAssetsPath + "/pca_test1.jpg");
        Mat mat1 = new Mat();
        //转为灰度图
        Imgproc.cvtColor(mat, mat1, Imgproc.COLOR_BGR2GRAY);
        //阈值处理,作用是为了更好的去做轮廓检测
      
        Imgproc.threshold(mat1, mat1, 50, 255, Imgproc.THRESH_BINARY | Imgproc.THRESH_OTSU);
        List<MatOfPoint> matOfPoints = new List<MatOfPoint>();
        Mat hierarchy = new Mat();
        //matOfPoints取得轮廓数据
        Imgproc.findContours(mat1, matOfPoints, hierarchy, Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_NONE);
        Mat Apply = new Mat();
        mat.copyTo(Apply);
        // for (int i=0;i< matOfPoints.Count;i++)
        //{
        //    Imgproc.drawContours(Apply, matOfPoints, i, new Scalar(255, 0, 0), 3);
        //}
        //把全部轮廓绘制到原图上
        Imgproc.drawContours(Apply, matOfPoints, -1, new Scalar(255, 0, 0), 3);
        //计算第1个轮廓面积
        //Imgproc.drawContours(Apply, matOfPoints, 0, new Scalar(255, 0, 0), 3);
        //double area=  Imgproc.contourArea(matOfPoints[0]);
        计算第1个轮廓周长
        //MatOfPoint2f ofPoint2F = new MatOfPoint2f(matOfPoints[0].toArray());
        //double arclength = Imgproc.arcLength(ofPoint2F, true);
        //Debug.Log(area);
        //Debug.Log(arclength);
        //轮廓图
        Texture2D texture = new Texture2D(Apply.cols(), Apply.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(Apply, texture);
        rawImage.texture = texture;
        //原图
        Texture2D texture1 = new Texture2D(mat.cols(), mat.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(mat, texture1);
        GetRaw.texture = texture1;
    }
② 轮廓近似
参数描述
approxCurve返回一个近似结果
epsilon指定近似精度的参数。这是原始曲线与其近似值之间的最大距离
closed如果为true,近似曲线是闭合的

在这里插入图片描述

 //轮廓近似
    void TestapproxPolyDP()
    {
        //读取灰度图
        Mat mat = Imgcodecs.imread(Application.streamingAssetsPath + "/pca_test1.jpg");
        Mat mat1 = new Mat();
        //转为灰度图
        Imgproc.cvtColor(mat, mat1, Imgproc.COLOR_BGR2GRAY);
        //阈值处理,作用是为了更好的去做轮廓检测

        Imgproc.threshold(mat1, mat1, 50, 255, Imgproc.THRESH_BINARY | Imgproc.THRESH_OTSU);
        List<MatOfPoint> matOfPoints = new List<MatOfPoint>();
        Mat hierarchy = new Mat();
        //matOfPoints取得轮廓数据
        Imgproc.findContours(mat1, matOfPoints, hierarchy, Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_NONE);
        Mat Apply1f = new Mat();
        mat.copyTo(Apply1f);
        Mat Apply2f = new Mat();
        mat.copyTo(Apply2f);
        //取其中一条轮廓对比
        MatOfPoint2f ofPoint2F = new MatOfPoint2f(matOfPoints[0].toArray());
        //0.1的近似程度
        double epsilon1=0.1f* Imgproc.arcLength(ofPoint2F, true);
        MatOfPoint2f first1f= new MatOfPoint2f();
        Imgproc.approxPolyDP(ofPoint2F, first1f, epsilon1, true);
        MatOfPoint matOf1f = new MatOfPoint(first1f.toArray());
        Imgproc.drawContours(Apply1f, new List<MatOfPoint> { matOf1f }, -1, new Scalar(255, 0, 0), 3);
        Texture2D texture = new Texture2D(Apply1f.cols(), Apply1f.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(Apply1f, texture);
        rawImage.texture = texture;
        //0.02的近似程度
        double epsilon2 = 0.02f * Imgproc.arcLength(ofPoint2F, true);
        MatOfPoint2f first2f = new MatOfPoint2f();
        Imgproc.approxPolyDP(ofPoint2F, first2f, epsilon2, true);
        MatOfPoint matOf2f = new MatOfPoint(first2f.toArray());
        Imgproc.drawContours(Apply2f, new List<MatOfPoint> { matOf2f }, -1, new Scalar(255, 0, 0), 3);
        Texture2D texture1 = new Texture2D(Apply2f.cols(), Apply2f.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(Apply2f, texture1);
        GetRaw.texture = texture1;
        //
    }
③边界矩形和外接圆

在这里插入图片描述

void TestShape()
    {
        Mat mat = Imgcodecs.imread(Application.streamingAssetsPath + "/pca_test1.jpg");
        Mat mat1 = new Mat();
        //转为灰度图
        Imgproc.cvtColor(mat, mat1, Imgproc.COLOR_BGR2GRAY);
        //阈值处理,作用是为了更好的去做轮廓检测

        Imgproc.threshold(mat1, mat1, 50, 255, Imgproc.THRESH_BINARY | Imgproc.THRESH_OTSU);
        List<MatOfPoint> matOfPoints = new List<MatOfPoint>();
        Mat hierarchy = new Mat();
        //matOfPoints取得轮廓数据
        Imgproc.findContours(mat1, matOfPoints, hierarchy, Imgproc.RETR_LIST, Imgproc.CHAIN_APPROX_NONE);
        Rect rect= Imgproc.boundingRect(matOfPoints[0]);
        Mat Apply1f = new Mat();
        mat.copyTo(Apply1f);
        Debug.Log(rect);
        //矩形框 外接圆
        Imgproc.rectangle(Apply1f, new Point(rect.x, rect.y),new Point(rect.x+rect.width,rect.y+rect.height), new Scalar(255, 0, 0),3);
        MatOfPoint2f matOfPoint2F = new MatOfPoint2f(matOfPoints[1].toArray());
        Point center = new Point();
        float[] radius = new float[1]  ;
        Imgproc.minEnclosingCircle(matOfPoint2F, center, radius);
        Imgproc.circle(Apply1f, center,(int) radius[0], new Scalar(255, 0, 0), 3);
        Texture2D texture = new Texture2D(Apply1f.cols(), Apply1f.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(Apply1f, texture);
        rawImage.texture = texture;
        

        //原图
        Texture2D texture1 = new Texture2D(mat.cols(), mat.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(mat, texture1);
        GetRaw.texture = texture1;
    }

二.模板匹配

参考文档 https://www.w3cschool.cn/opencv/opencv-pswj2dbc.html
参数method解释

填写参数描述
Imgproc.TM_SQDIFF计算平方,值越小与相关
Imgproc.TM_SQDIFF_NORMED计算归一化的平方值,值越接近0,越相关
Imgproc. TM_CCORR计算相关性,值越大越相关
Imgproc.TM_CCORR_NORMED计算归一化相关性,值越接近1,越相关
Imgproc.TM_CCOEFF计算相关系数,值越大,越相关
Imgproc. TM_CCOEFF_NORMED计算归一化相关系数,值越接近1,越相关

输出resultmat=(A-a+1,B-b+1) 其中(A,B)为大图,(a,b)为小图
在这里插入图片描述

 //模板匹配
    void TestMatchTemplate()
    {
        Texture2D imgTexture = Resources.Load("lena") as Texture2D;
        Texture2D tempTexture = Resources.Load("template2") as Texture2D;
        Mat imgMat = new Mat(imgTexture.height, imgTexture.width, CvType.CV_8UC4);
        
        Mat tempMat = new Mat(tempTexture.height, tempTexture.width, CvType.CV_8UC4);
        Utils.texture2DToMat(imgTexture, imgMat);
        Utils.texture2DToMat(tempTexture, tempMat);
        //创建一个返回结果的mat
        int result_cols = imgMat.cols() - tempMat.cols() + 1;
        int result_rows = imgMat.rows() - tempMat.rows() + 1;
        Mat result = new Mat(result_rows, result_cols, CvType.CV_32FC1);
        /*The mask应具有CV_8U或CV_32F深度和与模板图像相同数量的通道。在CV_8U情况下，
         * mask值被视为二进制，即零和非零。在CV_32F情况下，值应该落在[0..1]范围内，
         * 并且模板像素将乘以相应的The mask像素值。由于样本中的输入图像具有CV_8UC3类型，
         * 因此屏蔽也被读取为彩色图像。*/
        /*目前只有两种匹配方法接受掩码：CV_TM_SQDIFF和CV_TM_CCORR_NORMED*/
       /* if( match_method  == Imgproc.TM_SQDIFF || match_method == Imgproc.TM_SQDIFF_NORMED )
        { matchLoc = mmr.minLoc; }
        else
        { matchLoc = mmr.maxLoc; } 这是文档java描述*/
        Imgproc.matchTemplate(imgMat, tempMat, result, Imgproc.TM_SQDIFF_NORMED);
        Mat mask = new Mat();
        //返回最大值和最小值
        MinMaxLocResult minMaxLoc= Core.minMaxLoc(result);
     
        double minx = minMaxLoc.minLoc.x;
        double miny = minMaxLoc.minLoc.y;
        Debug.Log(new Point(minx + tempMat.cols(), miny + tempMat.rows()));
        Debug.Log(minMaxLoc.minLoc);
        Imgproc.rectangle(imgMat, minMaxLoc.minLoc, new Point(minx + tempMat.cols(),miny+tempMat.rows()), new Scalar(0, 255, 0, 255), 2);
      
        Texture2D texture = new Texture2D(imgMat.cols(), imgMat.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(imgMat, texture);
        rawImage.texture = texture;
        //原图
        Texture2D texture1 = new Texture2D(tempMat.cols(), tempMat.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(tempMat, texture1);
        GetRaw.texture = texture1;
    }

三.直方图

什么是直方图？

  • 直方图是将数据组织成一组预定义仓的收集计数
  • 当我们说数据时，我们并不把它限制为强度值（正如我们在前面的教程中看到的）。收集的数据可以是您发现有用的描述您的图像的任何功能。
    在这里插入图片描述
    方法 Imgproc.calcHist ( List< Mat > images,MatOfInt channels,Mat mask,Mat hist,MatOfInt histSize,MatOfFloat ranges,bool accumulate )
    对应参数解释
  • image:传入一个数组,对原图像格式像素采集,bins
  • channels:如果是灰度图 new MatOfInt (0),如果是彩色图像传入new MatOfInt (0,1,2) 分别对应BGR
  • mask : 掩膜图像 ,统计自己划定的区域
  • hist : 输出参数 ,得到mat信息
  • histSize :bins的数量,详情在图片里
  • ranges:像素取值范围[0,255]
 void TestCalchist()
    {
        //读取灰度图
        Mat mat = Imgcodecs.imread(Application.streamingAssetsPath + "/lena.jpg");
        Mat mat1 = new Mat();
        //转为灰度图
        Imgproc.cvtColor(mat, mat1, Imgproc.COLOR_BGR2GRAY);
        List<Mat> mats = new List<Mat>();
        mats.Add(mat1);
        Mat b_hist = new Mat();
        //取16个区域
        Imgproc.calcHist(mats, new MatOfInt(0), new Mat(), b_hist, new MatOfInt(16), new MatOfFloat(0, 255));
        Debug.Log(b_hist);
       
        int hist_w = (int)mat.size().width; int hist_h = (int)mat.size().height;
        //每一条数据的间隔
        int bin_w = (int)Mathf.Round(hist_w / b_hist.rows());
        Mat histImage = new Mat(mat.size(), CvType.CV_8UC3, new Scalar(0,0,0));
        //归一化
        Core.normalize(b_hist, b_hist, 0, histImage.rows(), Core.NORM_MINMAX, -1, new Mat());
        for (int i = 0; i < b_hist.rows()-1; i++)
        {
            for (int j = 0; j < b_hist.cols(); j++)
            {
               //得到对应像素的b值
               int b_first= (int)b_hist.get(i, j)[0];
                int b_Second = (int)b_hist.get(i+1, j)[0];
                Debug.Log(bin_w * i + "  "+ bin_w * (i + 1));
                Point point1 = new Point(bin_w *i, hist_h - b_first);
                Point point2 = new Point(bin_w*(i+1), hist_h- b_Second);
                //画线
                Imgproc.line(histImage, point1, point2, new Scalar(0, 0, 255,1), 2, 8, 0);
            }
        }

        Texture2D texture = new Texture2D(histImage.cols(), histImage.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(histImage, texture);
        rawImage.texture = texture;
    }

在这里插入图片描述

均衡化原理

图片来源https://zhuanlan.zhihu.com/p/54771264

灰度值[0,255]像素个数概率累计概率映射后灰度值
5044/16=0.250.25+0=0.250.25*(255-0)=63.75
12830.18750.25+0.1875=0.43750.4375*(255-0)=111.56
20050.31250.75191.25
25540.251255

映射完后的值再取整

①测试

在这里插入图片描述

//均衡化
    void TestEqualizeHist()
    {
      //输出灰度图
        Mat mat = Imgcodecs.imread(Application.streamingAssetsPath + "/lena.jpg",0);
        Mat mat1 = new Mat();
        mat.copyTo(mat1);
        Imgproc.equalizeHist(mat1, mat1);
        Texture2D texture = new Texture2D(mat1.cols(), mat1.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(mat1, texture);
        rawImage.texture = texture;
        //原图
        Texture2D texture1 = new Texture2D(mat.cols(), mat.rows(), TextureFormat.BGRA32, false);
        Utils.matToTexture2D(mat, texture1);
        GetRaw.texture = texture1;
    }
②自适应直方图均衡化

在上面代码添加自适应均衡化代码,看看效果吧

  CLAHE cLAHE= Imgproc.createCLAHE(2, new Size(8, 8));
  cLAHE.apply(mat1, mat1);

最后

以上就是长情往事为你收集整理的unity3d OpenCVForUnity(二)的全部内容，希望文章能够帮你解决unity3d OpenCVForUnity(二)所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
点赞(52)

相关文章

OpenCV+Python图像处理基础（一）
OpenCV+Python图像处理基础（一）
用opencv读取图像的每个像素值，鼠标点击获取每一个点，并显示像素
用opencv读取图像的每个像素值，鼠标点击获取每一个点，并显示像素
[opencv]利用鼠标事件选取坐标进行透视变换矫正图像
[opencv]利用鼠标事件选取坐标进行透视变换矫正图像
利用OpenCV进行人脸关键点检测（Facial Landmark Detection） JAVA代码复现测试环境前言代码效果图
利用OpenCV进行人脸关键点检测（Facial Landmark Detection） JAVA代码复现测试环境前言代码效果图
unity3d OpenCVForUnity(二)
unity3d OpenCVForUnity(二)
OpenCV笔记6： 使用OpenCV处理鼠标事件
OpenCV笔记6： 使用OpenCV处理鼠标事件
python 识图点击_opencv+python实现鼠标点击图像,输出该点的RGB和HSV值
python 识图点击_opencv+python实现鼠标点击图像,输出该点的RGB和HSV值
unity中调用dll动态库(基于OpenCV)
unity中调用dll动态库(基于OpenCV)

评论列表共有 0 条评论

立即
投稿
返回
顶部