OpenCV 距离变换的笔记

目前正在学习<图像处理，分析与机器视觉>里面有提到距离变换计算，以此笔记记录生活。
距离变换的定义：计算图像中像素点到最近零像素点的距离，也就是零像素点的最短距离。

Mat srcImage = imread("/Users/hanoi/Desktop/hand.jpg",0);
Mat dist_image(size,CV_32FC1);
distanceTransform(srcImage, dist_image, CV_DIST_L2, CV_DIST_MASK_3);

int main(int argc, const char * argv[])
{Mat srcImage = imread("/Users/hanoi/Desktop/hand.jpg",0);printf("step=%ld\n",srcImage.step[0]);if (!srcImage.data){cout << "读入图片错误！" << endl;system("pause");return -1;}Size size;size.width =  srcImage.cols;size.height = srcImage.rows;Mat dist_image(size,CV_32FC1);Mat bi_src(size,CV_8SC1);distanceTransform(srcImage, dist_image, CV_DIST_L2, CV_DIST_MASK_3);normalize(dist_image, dist_image, 0, 1, NORM_MINMAX);imshow("src",dist_image);//imwrite("/Users/hanoi/Desktop/gray1.jpg", dist_image );Mat myImage(size,CV_8UC1);for (int j=0; j<dist_image.rows; j++){for (int i=0; i<dist_image.cols; i++){double m = dist_image.at<float>(j,i );int y = m * 255;if(y > 255){y = 255;}*(myImage.data + j*myImage.step[0] + i) = y;}}imwrite("/Users/hanoi/Desktop/gray1.bmp", myImage);waitKey();return 0;
}

我们的type是CV_32FC1,所以每个像素是4个字节，为了能保存图像，在进行归一化处理之后，需要用距离*255，然后作为该像素点的亮度值。

distanceTransform是opencv的提供的计算距离转换的函数，个人觉得要主要是dest的输出，存的是距离的矩阵，所以这里我们创建的时候type是CV_32FC1。
其中距离的计算方法:

为了减少计算了量，我们采用的是一种倒角模版的算法，只需要对图像进行两次扫描玖可以实现距离变换，该方法被称为chamfer倒角距离变换，该模版如下：

网络代码参考:

//距离变换的扫描实现  #include <iostream>
#include <opencv2\core\core.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\imgproc\imgproc.hpp>  using namespace cv;
using namespace std;  //计算欧氏距离的函数
float calcEuclideanDiatance(int x1, int y1, int x2, int y2)
{  return sqrt(float((x2 - x1)*(x2 - x1) + (y2 - y1)*(y2 - y1)));
}  //计算棋盘距离的函数
int calcChessboardDistance(int x1, int y1, int x2, int y2)
{  return cv::max(abs(x1 - x2), (y1 - y2));
}  //计算麦哈顿距离(街区距离)
int calcBlockDistance(int x1, int y1, int x2, int y2)
{  return abs(x1 - x2) + abs(y1 - y2);
}  //距离变换函数的实现
void distanceTrans(Mat &srcImage, Mat &dstImage)
{  CV_Assert(srcImage.data != nullptr);      //CV_Assert（）若括号中的表达式值为false，则返回一个错误信息。  //定义灰度图像的二值图像  Mat grayImage, binaryImage;  //将原图像转换为灰度图像  cvtColor(srcImage, grayImage, CV_BGR2GRAY);  //将灰度图像转换为二值图像  threshold(grayImage, binaryImage, 100, 255, THRESH_BINARY);  imshow("二值化图像", binaryImage);  int rows = binaryImage.rows;  int cols = binaryImage.cols;  uchar *pDataOne;  uchar *pDataTwo;  float disPara = 0;  float fDisMIn = 0;  //第一遍遍历图像，使用左模板更新像素值  for (int i = 1; i < rows - 1; i++)  {  //图像的行指针的获取  pDataOne = binaryImage.ptr<uchar>(i);  for (int j = 1; j < cols; j++)  {  //分别计算左模板掩码的相关距离  //PL  PL  //PL  P  //PL  pDataTwo = binaryImage.ptr<uchar>(i - 1);  disPara = calcEuclideanDiatance(i, j, i - 1, j - 1);  fDisMIn = cv::min((float)pDataOne[j], disPara + pDataTwo[j - 1]);  disPara = calcEuclideanDiatance(i, j, i - 1, j);  fDisMIn = cv::min(fDisMIn, disPara + pDataTwo[j]);  pDataTwo = binaryImage.ptr<uchar>(i);  disPara = calcEuclideanDiatance(i, j, i, j - 1);  fDisMIn = cv::min(fDisMIn, disPara + pDataTwo[j-1]);  pDataTwo = binaryImage.ptr<uchar>(i+1);  disPara = calcEuclideanDiatance(i, j, i+1,j-1);  fDisMIn = cv::min(fDisMIn, disPara + pDataTwo[j - 1]);  pDataOne[j] = (uchar)cvRound(fDisMIn);  }  }  //第二遍遍历图像，使用右模板更新像素值  for (int i = rows - 2; i > 0; i--)  {  pDataOne = binaryImage.ptr<uchar>(i);  for (int j = cols - 1; j >= 0; j--)  {  //分别计算右模板掩码的相关距离  //pR  pR  //pR  p  //pR  pDataTwo = binaryImage.ptr<uchar>(i + 1);  disPara = calcEuclideanDiatance(i, j, i + 1, j);  fDisMIn = cv::min((float)pDataOne[j], disPara + pDataTwo[j]);  disPara = calcEuclideanDiatance(i, j, i + 1, j + 1);  fDisMIn = cv::min(fDisMIn, disPara + pDataTwo[j+1]);  pDataTwo = binaryImage.ptr<uchar>(i);  disPara = calcEuclideanDiatance(i, j, i, j +1);  fDisMIn = cv::min(fDisMIn, disPara + pDataTwo[j + 1]);  pDataTwo = binaryImage.ptr<uchar>(i - 1);  disPara = calcEuclideanDiatance(i, j, i - 1, j + 1);  fDisMIn = cv::min(fDisMIn, disPara + pDataTwo[j + 1]);  pDataOne[j] = (uchar)cvRound(fDisMIn);  }  }  dstImage = binaryImage.clone();
}  //主函数
int main()
{  Mat srcImage = imread("2345.jpg");  if (!srcImage.data)  {  cout << "读入图片错误！" << endl;  system("pause");  return -1;  }  Mat dstImage;  distanceTrans(srcImage, dstImage);  imshow("距离变换图像", dstImage);  waitKey();  return 0;
}

OpenCV 距离变换的笔记相关推荐

OpenCV距离变换和分水岭算法的图像分割
OpenCV距离变换和分水岭算法的图像分割距离变换和分水岭算法的图像分割目标代码说明/结果距离变换和分水岭算法的图像分割目标在本教程中,您将学习如何: 使用OpenCV函数cv :: f ...
OpenCV（26）图像分割 -- 距离变换与分水岭算法（硬币检测、扑克牌检测、车道检测）
目录一.基础理论 1.思想 2.原理二.分水岭实战:硬币步骤归纳 1.把原图像转二值图 2.开运算去噪 3.确定背景区域(膨胀)(得到背景/最大连通域) 4.确定前景区域(距离变换) (分离)( ...
【OpenCV 4开发详解】图像距离变换
本文首发于"小白学视觉"微信公众号,欢迎关注公众号本文作者为小白,版权归人民邮电出版社发行所有,禁止转载,侵权必究! 经过几个月的努力,小白终于完成了市面上第一本OpenCV 4 ...
图像识别中距离变换的原理及作用详解,并附用OpenCV中的distanceTransform实现距离变换的代码
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 距离变换的定义是计算一个图像中非零像素点到最近的 ...
OpenCV使用Laplacian filtering和距离变换以及Laplacian滤波对重叠对象进行分段的实例(附完整代码)
OpenCV使用Laplacian filtering和距离变换以及Laplacian滤波对重叠对象进行分段的实例 OpenCV使用Laplacian filtering和距离变换以及Laplacia ...
【OpenCV】数字图像的距离变换算法
数字图像的距离变换算法图像数字化距离距离变换 OpenCV代码实现 C++ Python 参考博客图像数字化通过传感器获得的图像是平面坐标(x,y)的连续函数f(x,y),它的值图像对应位置 ...
OpenCV之Python学习笔记
RSS订阅登陆注册原文链接地址:http://www.itozi.net/19477.html OpenCV之Python学习笔记 ITOZI 发布于 2015-08-06 分类:OpenSta ...
12月19日 OpenCV 实战基础学习笔记——特征匹配
文章目录前言一.特征匹配 1.Brute-force 蛮力匹配 2.1 对 1 匹配 3.k 对最佳匹配二.答题卡识别前言本文为12月19日 OpenCV 实战基础学习笔记--特征匹配,分为 ...
【图像处理】灰度加权距离变换（GWDT）
[fishing-pan:https://blog.csdn.net/u013921430转载请注明出处] 前言距离变换(distance transform,DT)在图像处理.计算机视觉等领域有非 ...

OpenCV 距离变换的笔记

OpenCV 距离变换的笔记相关推荐

最新文章

热门文章