在傳統計算機視覺場景中，顏色識別是目標檢測和分割的重要手段之一。通過識別特定顏色的色塊，可以在相對純凈的背景下快速定位目標區域。本實驗提供了一個簡單的色塊識別案例，并將其封裝為一個自定義函數 find_blobs，方便快速移植和使用。

源代碼地址：https://gitee.com/LockzhinerAI/LockzhinerVisionModule/tree/master/Cpp_example/C01_find_blobs

1. 基本知識講解

1.1 色塊識別的重要性

顏色特征提取：顏色是一種重要的視覺特征，尤其在背景較為單一的情況下，能夠快速區分目標區域。

應用場景：廣泛應用于機器人導航、工業自動化、物體跟蹤等領域。

HSV 顏色空間：相比于 RGB 顏色空間，HSV 更適合用于顏色識別，因為它可以將顏色信息（Hue）、飽和度（Saturation）和亮度（Value）分離，便于設置閾值。

1.2 色塊識別的流程

獲取圖像。

將圖像從 BGR 轉換為 HSV 顏色空間。

創建二值掩碼，篩選出符合顏色范圍的像素。

使用形態學操作清除噪聲。

查找輪廓并篩選符合條件的色塊。

計算外接矩形和中心點。

繪制結果并輸出。

2. API文檔

2.1 頭文件

#include

2.2 生成掩碼

cv::inRange(src,lowerb,upperb,dst);

參數說明：

src：輸入圖像，可以是單通道或三通道的圖像。

lowerb：顏色下界，是一個Scalar對象，表示要查找的顏色的下限。

upperb：顏色上界，是一個Scalar對象，表示要查找的顏色的上限。

dst：輸出圖像，是一個單通道的8位無符號整數圖像，表示生成的掩碼。

返回值：

無

2.3 創建形態學操作所需的結構元素核

cv::getStructuringElement(shape,ksize,anchor);

參數說明：

shape：核形狀，可以是RECT、CROSS、ELLIPSE等。

ksize：核大小，是一個Size對象，表示核的寬度和高度。

anchor：錨點，是一個Point對象，表示核的錨點位置。

返回值：

返回一個核，是一個Mat對象。

2.4 形態學操作：清除噪聲

cv::morphologyEx(src,dst,op,kernel,anchor,iterations,borderType,borderValue);

參數說明：

src：輸入圖像，可以是單通道或三通道的圖像。

dst：輸出圖像，是一個單通道的8位無符號整數圖像，表示生成的掩碼。

op：操作類型，可以是OPEN、CLOSE、GRADIENT、TOPHAT、BLACKHAT等。

kernel：核，是一個Mat對象，表示形態學操作的核。

anchor：錨點，是一個Point對象，表示核的錨點位置。

iterations：迭代次數，是一個整數，表示形態學操作的迭代次數。

borderType：邊界類型，可以是BORDER_CONSTANT、BORDER_REPLICATE、BORDER_REFLECT、BORDER_WRAP、BORDER_REFLECT_101等。

borderValue：邊界值，是一個Scalar對象，表示邊界區域的值。

返回值：

無

2.5 查找輪廓

cv::findContours(image,contours,hierarchy,mode,method,offset);

參數說明：

image：輸入圖像，可以是單通道或三通道的圖像。

contours：輸出參數，是一個vector>對象，表示輪廓的集合。

hierarchy：輸出參數，是一個vector對象，表示輪廓的層級關系。

mode：輪廓發現模式，可以是RETR_EXTERNAL、RETR_LIST、RETR_CCOMP、RETR_TREE等。

method：輪廓 approximation 方法，可以是CHAIN_APPROX_NONE、CHAIN_APPROX_SIMPLE、CHAIN_APPROX_TC89_L1、CHAIN_APPROX_TC89_KCOS等。

offset：輪廓偏移量，是一個Point對象，表示輪廓的偏移量。

返回值：

返回一個整數，表示輪廓的數量。

2.6 獲取輪廓的外接矩形

cv::boundingRect(points);

參數說明：

points：輸入參數，是一個vector對象，表示輪廓的點集合。

返回值：

返回一個Rect對象，表示輪廓的外接矩形。

2.7 計算矩陣矩

cv::moments(array,binaryImage);

參數說明：

array：輸入參數，是一個Mat對象，表示輸入的矩陣。

binaryImage：輸入參數，是一個布爾值，表示是否將輸入的矩陣轉換為二值矩陣。

返回值：

返回一個 Moments對象，表示矩陣的矩。

2.8 繪制矩形框

cv::rectangle(img,pt1,pt2,color,thickness,lineType,shift);

參數說明：

img：輸入參數，是一個Mat對象，表示輸入的圖像。

pt1：輸入參數，是一個Point對象，表示矩形的左上角點。

pt2：輸入參數，是一個Point對象，表示矩形的右下角點。

color：輸入參數，是一個Scalar對象，表示矩形的顏色。

thickness：輸入參數，是一個整數，表示矩形的線寬。

lineType：輸入參數，是一個整數，表示矩形的線類型。

shift：輸入參數，是一個整數，表示坐標的精度。

返回值：

無

2.9 繪制圓

cv::circle(img,center,radius,color,thickness,lineType,shift);

參數說明：

img：輸入參數，是一個Mat對象，表示輸入的圖像。

center：輸入參數，是一個Point對象，表示圓心。

radius：輸入參數，是一個整數，表示圓的半徑。

color：輸入參數，是一個Scalar對象，表示圓的顏色。

thickness：輸入參數，是一個整數，表示圓的線寬。

lineType：輸入參數，是一個整數，表示圓的線類型。

shift：輸入參數，是一個整數，表示坐標的精度。

返回值：

無

3. 綜合代碼介紹

3.1 流程圖

3.2 核心代碼解析

BGR轉HSV

cv::cvtColor(image,hsv_image,cv::COLOR_BGR2HSV);

閾值分割

cv::inRange(hsv_image,lower_bound,upper_bound,mask););

形態學處理

cv::Matkernel=cv::getStructuringElement(cv::MORPH_RECT,cv::Size(kernel_size,kernel_size));
cv::morphologyEx(mask,mask,cv::MORPH_OPEN,kernel);

查找輪廓

cv::findContours(mask,contours,cv::RETR_EXTERNAL,cv::CHAIN_APPROX_SIMPLE);

自定義函數參數如下所示

std::vector<std::vector<cv::Point>>find_blobs(
constcv::Mat&image,
constcv::Scalar&lower_bound,
constcv::Scalar&upper_bound,
intmin_area=100,
intkernel_size=5);

參數說明：

image：輸入參數，是一個Mat對象，表示輸入的圖像。

lower_bound：輸入參數，是一個Scalar對象，表示顏色下界。

upper_bound：輸入參數，是一個Scalar對象，表示顏色上界。

min_area：輸入參數，是一個整數，表示最小面積。

kernel_size：輸入參數，是一個整數，表示核大小。

返回值：

返回一個vector>對象，表示找到的色塊的點集合。

3.3 完整代碼實現

#include
#include
#include
#include

std::vector<std::vector<cv::Point>>find_blobs(
constcv::Mat&image,
constcv::Scalar&lower_bound,
constcv::Scalar&upper_bound,
intmin_area=100,
intkernel_size=5)
{

// 轉換為 HSV 顏色空間
cv::Mathsv_image;
cv::cvtColor(image,hsv_image,cv::COLOR_BGR2HSV);

// 創建二值掩碼
cv::Matmask;
cv::inRange(hsv_image,lower_bound,upper_bound,mask);

// 形態學操作：清除噪聲
cv::Matkernel=cv::getStructuringElement(cv::MORPH_RECT,cv::Size(kernel_size,kernel_size));
cv::morphologyEx(mask,mask,cv::MORPH_OPEN,kernel);

// 查找輪廓
std::vector<std::vector<cv::Point>>contours;
cv::findContours(mask,contours,cv::RETR_EXTERNAL,cv::CHAIN_APPROX_SIMPLE);

// 篩選符合條件的色塊
std::vector<std::vector<cv::Point>>filtered_contours;
for(constauto&contour:contours)
{
cv::Rectbounding_rect=cv::boundingRect(contour);
if(bounding_rect.area()>=min_area)
{
filtered_contours.push_back(contour);
}
}
returnfiltered_contours;
}

intmain()
{
lockzhiner_vision_module::Editedit;
if(!edit.StartAndAcceptConnection())
{
std::cerr<<"Error: Failed to start and accept connection."<<std::endl;
returnEXIT_FAILURE;
}
std::cout<<"Device connected successfully."<<std::endl;

cv::VideoCapturecap;
intwidth=640; // 設置攝像頭分辨率寬度
intheight=480;// 設置攝像頭分辨率高度
cap.set(cv::CAP_PROP_FRAME_WIDTH,width);
cap.set(cv::CAP_PROP_FRAME_HEIGHT,height);

// 打開攝像頭設備
cap.open(0);// 參數 0 表示默認攝像頭設備
if(!cap.isOpened())
{
std::cerr<<"Error: Could not open camera."<<std::endl;
returnEXIT_FAILURE;
}
while(true)
{
cv::Matimage;// 存儲每一幀圖像
cap>>image; // 獲取新的一幀

// 定義顏色閾值（例如紅色）
cv::Scalarlower_red(170,100,100);// 紅色下界
cv::Scalarupper_red(179,255,255);// 紅色上界

// 調用 find_blobs 函數
intmin_area=100; // 最小面積閾值
intkernel_size=1;// 形態學操作核大小
std::vector<std::vector<cv::Point>>blobs=find_blobs(image,lower_red,upper_red,min_area,kernel_size);

// 繪制和打印檢測到的色塊
for(constauto&contour:blobs)
{
// 計算外接矩形框
cv::Rectbounding_rect=cv::boundingRect(contour);

// 繪制矩形框
cv::rectangle(image,bounding_rect,cv::Scalar(0,255,0),2);

// 計算中心點
cv::Momentsmoments=cv::moments(contour);
intcx=moments.m10/moments.m00;
intcy=moments.m01/moments.m00;

// 繪制中心點
cv::circle(image,cv::Point(cx,cy),5,cv::Scalar(0,0,255),-1);

// 打印信息
std::cout<<"Blob detected at ("<<cx<<", "<<cy<<") with area "<<bounding_rect.area()<<std::endl;
}
edit.Print(image);
}
return0;
}

4. 編譯過程

4.1 編譯環境搭建

請確保你已經按照開發環境搭建指南正確配置了開發環境。

同時以正確連接開發板。

4.2 Cmake介紹

# CMake最低版本要求
cmake_minimum_required(VERSION3.10)

project(test-find-blobs)

set(CMAKE_CXX_STANDARD17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 定義項目根目錄路徑
set(PROJECT_ROOT_PATH"${CMAKE_CURRENT_SOURCE_DIR}/../..")
message("PROJECT_ROOT_PATH = "${PROJECT_ROOT_PATH})

include("${PROJECT_ROOT_PATH}/toolchains/arm-rockchip830-linux-uclibcgnueabihf.toolchain.cmake")

# 定義 OpenCV SDK 路徑
set(OpenCV_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/opencv-mobile-4.10.0-lockzhiner-vision-module")
set(OpenCV_DIR"${OpenCV_ROOT_PATH}/lib/cmake/opencv4")
find_package(OpenCV REQUIRED)
set(OPENCV_LIBRARIES"${OpenCV_LIBS}")
# 定義 LockzhinerVisionModule SDK 路徑
set(LockzhinerVisionModule_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")
set(LockzhinerVisionModule_DIR"${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")
find_package(LockzhinerVisionModule REQUIRED)

# 基本圖像處理示例
add_executable(Test-find-blobs find_blobs.cc)
target_include_directories(Test-find-blobs PRIVATE${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})
target_link_libraries(Test-find-blobs PRIVATE${OPENCV_LIBRARIES}${LOCKZHINER_VISION_MODULE_LIBRARIES})

install(
TARGETS Test-find-blobs
RUNTIME DESTINATION .
)

4.3 編譯項目

使用 Docker Destop 打開 LockzhinerVisionModule 容器并執行以下命令來編譯項目

# 進入Demo所在目錄
cd/LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/C01_find_blobs
# 創建編譯目錄
rm-rfbuild &&mkdirbuild &&cdbuild
# 配置交叉編譯工具鏈
exportTOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置項目
cmake ..
# 執行編譯項目
make-j8&&makeinstall

在執行完上述命令后，會在build目錄下生成可執行文件。

5. 例程運行示例

5.1 運行過程

chmod777Test-find-blobs
./Test-find-blobs

5.2 運行效果

6. 總結

通過上述內容，我們詳細介紹了色塊識別的流程及相關 API 的使用方法，包括：

生成掩碼：篩選符合顏色范圍的像素。

形態學操作：清除噪聲。

查找輪廓：獲取目標區域的輪廓。

篩選與繪制：篩選符合條件的色塊并繪制外接矩形和中心點。