OpenCV - Bounding Box des größten Blobs im Binärbild finden

Question

Was ist der effizienteste Weg, die Bounding Box des größten Blobs in einem Binärbild mit OpenCV zu finden? Leider hat OpenCV keine spezifische Funktionalität für die Blob-Erkennung. Soll ich einfach findContours() verwenden und nach dem größten in der Liste suchen?

Answer 1

herunterladen Wenn Sie OpenCV-Bibliotheken verwenden möchten, überprüfen Sie OpenCVs SimpleBlobDetector. Hier ist ein weiterer Stack-Überlauf, der ein kleines Tutorial zeigt: How to use OpenCV SimpleBlobDetector

Dies gibt Ihnen jedoch nur die wichtigsten Punkte. Sie können dies als eine anfängliche Suche verwenden, um den gewünschten Blob zu finden, und dann möglicherweise den findContours-Algorithmus für die wahrscheinlichsten Blobs verwenden.

Je mehr Informationen Sie über Ihren Blob wissen, desto mehr Parameter können Sie angeben, um die Blobs herauszufiltern, die Sie nicht möchten. Vielleicht möchten Sie die Bereichsparameter des SimpleBlobDetectors testen. Könnte möglicherweise den Bereich basierend auf der Größe des Bildbereichs berechnen und dann iterativ einen kleineren Blob zulassen, wenn der Algorithmus keine Blobs erkennt.

Hier ist der Link zu den wichtigsten OpenCV-Dokumentation ist: http://docs.opencv.org/modules/features2d/doc/common_interfaces_of_feature_detectors.html#simpleblobdetector

Answer 2

Möglicherweise ist der effizienteste Weg, CvBlobsLib zu verwenden. Sie können es unter http://sourceforge.net/projects/cvblobslib/?source=dlp

Answer 3

Um den Begrenzungsrahmen des größten Blob zu finden, habe ich findContours, durch den folgenden Code folgt:

double maxArea = 0; 
for (MatOfPoint contour : contours) { 
    double area = Imgproc.contourArea(contour); 
    if (area > maxArea) { 
     maxArea = area; 
     largestContour = contour; 
    } 
} 
Rect boundingRect = Imgproc.boundingRect(largestContour); 

Answer 4

hier. Es. Ist. (FYI:. Versuchen Sie nicht faul und herauszufinden, zu sein, was unten in meiner Funktion geschieht

cv::Mat findBiggestBlob(cv::Mat & matImage){ 
    int largest_area=0; 
    int largest_contour_index=0; 

    vector< vector<Point> > contours; // Vector for storing contour 
    vector<Vec4i> hierarchy; 

    findContours(matImage, contours, hierarchy,CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE); // Find the contours in the image 

    for(int i = 0; i< contours.size(); i++) {// iterate through each contour. 
     double a=contourArea(contours[i],false); // Find the area of contour 
     if(a>largest_area){ 
      largest_area=a; 
      largest_contour_index=i;    //Store the index of largest contour 
      //bounding_rect=boundingRect(contours[i]); // Find the bounding rectangle for biggest contour 
     } 
    } 

    drawContours(matImage, contours, largest_contour_index, Scalar(255), CV_FILLED, 8, hierarchy); // Draw the largest contour using previously stored index. 
    return matImage; 
} 

Answer 5

TimZaman, hat der Code einen Fehler, aber ich kann nicht sagen, so dass ich eine neue und richtige Antwort beginnen hier. meine Lösung basiert auf 1" 's und TimZaman Ideen:

Mat measure::findBiggestBlob(cv::Mat &src){ 
int largest_area=0; 
int largest_contour_index=0; 
Mat temp(src.rows,src.cols,CV_8UC1); 
Mat dst(src.rows,src.cols,CV_8UC1,Scalar::all(0)); 
src.copyTo(temp); 

vector<vector<Point>> contours; // storing contour 
vector<Vec4i> hierarchy; 

findContours(temp, contours, hierarchy,CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE); 

for(int i = 0; i< contours.size(); i++) // iterate 
{ 
    double a=contourArea(contours[i],false); //Find the largest area of contour 
    if(a>largest_area) 
    { 
     largest_area=a; 
     largest_contour_index=i; 
    } 

} 

drawContours(dst, contours,largest_contour_index, Scalar(255), CV_FILLED, 8, hierarchy); 
// Draw the largest contour 
return dst; 
}