2014-08-29 55 views
3

我已经使用OpenCV编写了一个C++程序,可以检测并突出显示实况视频中任何对象的边缘。但是现在我不知道如何从视频中检测到的许多边缘提取立方体的四角。所以我在这里寻找一些帮助。使用Opencv读取魔方的颜色

以下是我用作此项目指南的论文链接。 http://www.cs.ubc.ca/~andrejk/525project/525report.pdf 您可以在下面的链接中找到本文的程序代码。它是用Python编写的。 (我正在使用C++,我不知道Python) http://www.cs.ubc.ca/~andrejk/525project/cubefinder.py

根据论文,下一步将是'具有自适应阈值的边缘分割'。 我真的不明白。而且我也不知道如何提取立方体的角落。

我使用的方法的简短摘要如下。 1.网络摄像头输入 2.应用拉普拉斯滤波器 3.应用霍夫线变换。

我收到以下结果。

Result

代码

using namespace std; 
using namespace cv; 

Mat laplacianFilter(Mat image) 
{ 
Mat hImage; 

GaussianBlur(image,hImage,Size(3,3),0,0,BORDER_DEFAULT); 
cvtColor(hImage,hImage,CV_RGB2GRAY); 
Laplacian(hImage,hImage,CV_16SC1,3,1,0,BORDER_DEFAULT); 
convertScaleAbs(hImage,hImage,1,0); 

return hImage; 
} 

Mat hghTransform(Mat image, Mat &image2) 
{ 
Mat lImage; 

Canny(image,image,50,200,3); 
cvtColor(image,lImage,CV_GRAY2BGR); 

    vector<Vec4i> lines; 
    HoughLinesP(image, lines, 1, CV_PI/180, 50, 50, 10); 
    for(size_t i = 0; i < lines.size(); i++) 
    { 
     Vec4i l = lines[i]; 
     line(image2, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,255,0), 3, CV_AA); 
    } 

return lImage; 
} 


int main() 
{ 
int c; 

VideoCapture cap(0); 

Mat image; 
Mat image2; 

namedWindow("hghtransform"); 
namedWindow("laplacianfilter"); 
namedWindow("cannyOutput"); 

while(1) 
{ 
    cap>>image; 
    cap>>image2; 

    //Output 
    imshow("laplacianfilter",laplacianFilter(image)); 
    imshow("cannyOutput",hghTransform(laplacianFilter(image),image2)); 
    imshow("hghtransform",image2); 

    c=waitKey(33); 

    if(c==27) 
     return 0; 

} 

return 0; 
} 
+0

Python与C++非常相似,所以我猜你应该没问题。如果有的话,这简单得多。它使用缩进而不是'{}'。这可能是真正重要的一切。 – 2014-08-29 08:06:50

回答

1

自适应阈值会给你边的一条清晰的界限,使您得到一个魔方侧的9个方格正常。

这里你可以看到全局和自适应阈值的一个体面的比较:
这里:https://sites.google.com/site/qingzongtseng/adaptivethreshold

原始图像:
enter image description here

全局阈值:
enter image description here

自适应阈值:
enter image description here

对于迫在眉睫,我不知道它是否在该文件中指出,但我会做这样的事情:
==>寻找像1区,234upper-leftupper-rightlower-left,并lower-right角落分别为
==>与模板匹配算法。
enter image description here

希望它有帮助。

注意:您可能希望有一个背景噪音较少。 =)