OpenCV提取图像中圆线上的数据具体流程
需求说明
在对图像进行处理时，经常会有这类需求：客户想要提取出图像中某条直线、圆线或者ROI区域内的感兴趣数据，进行重点关注。该需求在图像检测领域尤其常见。ROI区域一般搭配Rect即可完成提取，直线和圆线数据的提取没有现成的函数，需要自行实现。
直线的提取见：
而圆线的提取则是本文要将的内容，对圆线而言，将线上某点作为起点，沿顺时针或逆时针方向依次提取感兴趣数据，可放置在容器中。那么如何快速提取呢？本文提供了一种比较简单的思路，应用窗口模板，在窗口中快速找到下一可前进点的位置，步进然后再找下个点，形成路径追踪，进而实现整圈圆线数据的提取。
具体流程
1）初始化。设置路径追踪窗口尺寸size为3，创建path作为行进路径，p点作为起点，c用来存放目标数据点。
cv::Mat c; int size = 3; cv::Mat path = mask.clone(); Point p = Point(center.x + radius, center.y);
2）将起点放置在c中，将path中的起点值置0，表示该点已经走过。
c.push_back(src.at<uchar>(p.y, p.x)); path.at<uchar>(p.y, p.x) = 0;
3）用WinDataNum函数判断当前点的窗口内有几个可前进点，若无则说明路径封死或者完成路径，wn值表示可前进点的个数。
int wn = WinDataNum(path, p, size);
4）窗口内遍历，查看是否有可前进路径，若找到，则将当前点信息刷新为此点，并将标记符find设为true，find的意义是快速中断遍历，用来提速。
int t = size / 2;
bool find = false;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
{
p.x = j;
p.y = i;
find = true;
break;
}
}
if (find)
break;
}
5）若找到了点，即find为true，则将该点的数据存放在c中，path中置0，并以该点为中心搜索窗口内可前进路径。
if (find)
{
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
wn = WinDataNum(path, p, size);
}
else
break;
6）若wn为0了，则说明路径封死或者完成路径了，跳出循环，函数执行完毕。
while (wn)
{
int t = size / 2;
bool find = false;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
{
p.x = j;
p.y = i;
find = true;
break;
}
}
if (find)
break;
}
if (find)
{
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
wn = WinDataNum(path, p, size);
}
else
break;
}
功能函数
// 获取圆圈上的数据，逆时针存储，起点在中心同行最右侧数据
cv::Mat getCircleData(cv::Mat src, cv::Mat mask, cv::Point center, int radius)
{
cv::Mat c;
int size = 3;
cv::Mat path = mask.clone();
Point p = Point(center.x + radius, center.y);
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
int wn = WinDataNum(path, p, size);
while (wn)
{
int t = size / 2;
bool find = false;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
{
p.x = j;
p.y = i;
find = true;
break;
}
}
if (find)
break;
}
if (find)
{
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
wn = WinDataNum(path, p, size);
}
else
break;
}
return c;
}
// 获取窗口内的有效数据个数
int WinDataNum(cv::Mat path, cv::Point p, int size)
{
int number = 0;
int t = size / 2;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
number++;
}
}
return number;
}
C++测试代码
#include <iostream>
#include <opencv2/opencv.hpp>
#include <string>
using namespace std;
using namespace cv;
cv::Mat getCircleData(cv::Mat src, cv::Mat mask, cv::Point center, int radius);
int WinDataNum(cv::Mat path, cv::Point p, int size);
int main()
{
cv::Mat src = imread("test.jpg", 0);
cv::Mat mask = cv::Mat::zeros(src.size(), CV_8UC1);
cv::Point center = cv::Point(src.cols / 2, src.rows / 2);
int radius = min(src.cols, src.rows) / 2 - 10;
circle(mask, center, radius, Scalar(255), 1, 8);
cv::Mat c = getCircleData(src, mask, center, radius);
src.setTo(0, mask == 0);
imshow("src", src);
imshow("mask", mask);
waitKey(0);
return 0;
}
// 获取圆圈上的数据，逆时针存储，起点在中心同行最右侧数据
cv::Mat getCircleData(cv::Mat src, cv::Mat mask, cv::Point center, int radius)
{
cv::Mat c;
int size = 3;
cv::Mat path = mask.clone();
Point p = Point(center.x + radius, center.y);
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
int wn = WinDataNum(path, p, size);
while (wn)
{
int t = size / 2;
bool find = false;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
{
p.x = j;
p.y = i;
find = true;
break;
}
}
if (find)
break;
}
if (find)
{
c.push_back(src.at<uchar>(p.y, p.x));
path.at<uchar>(p.y, p.x) = 0;
wn = WinDataNum(path, p, size);
}
else
break;
}
return c;
}
// 获取窗口内的有效数据个数
int WinDataNum(cv::Mat path, cv::Point p, int size)
{
int number = 0;
int t = size / 2;
for (int i = p.y - t; i <= p.y + t; ++i)
{
uchar *g = path.ptr<uchar>(i);
for (int j = p.x - t; j <= p.x + t; ++j)
{
if (g[j] == 255)
number++;
}
}
return number;
}
测试效果
图1 原图
图2 掩膜内图像
如图1图2所示，掩膜内的图像数据就是我们要提取的目标。
图3 放大后数据搜索路径
图3放大后可以看出，起点是230，之后的数据是230、231、236、232、234、146等等，再看c容器中的数据。
图4 容器内数据
对比完开头，再看结尾，如图3所示，是234、234、231、234、234，然后就是起点230，查看容器。
图5 容器内数据
这样有的小伙伴可能觉得中间会不会有数据错误呢，很简单，打开VS复制代码后，搭配ImageWatch插件，debug调试打断点观察path矩阵，看看它的255数据是不是按预想的路径消失，如果是则说明扔的数据也没有问题。
总结
本文提供的只是一个简单思路，有一定局限性。比如该方法在圆线宽为1时效果最佳，若线宽大了就不能用窗口简单判断了；另外，起点在右侧时是逆时针获取数据，起点在左侧时是顺时针获取数据，如果想统一标准的话，最好加上起点的位置判断，然后决定是否将c的数据翻转。至于运行速度方面，3000*3000的图像矩阵中运行基本为0ms，毕竟只是提取了一条圆线而已。
