Вы можете использовать цветовое пространство HSV для извлечения информации цветового тона.
Вот код с комментариями, если есть какие-либо вопросы, не стесняйтесь спросить:
int main(int argc, char* argv[])
{
cv::Mat input = cv::imread("C:/StackOverflow/Input/coloredLines.png");
// convert to HSV color space
cv::Mat hsvImage;
cv::cvtColor(input, hsvImage, CV_BGR2HSV);
// split the channels
std::vector<cv::Mat> hsvChannels;
cv::split(hsvImage, hsvChannels);
// hue channels tells you the color tone, if saturation and value aren't too low.
// red color is a special case, because the hue space is circular and red is exactly at the beginning/end of the circle.
// in literature, hue space goes from 0 to 360 degrees, but OpenCV rescales the range to 0 up to 180, because 360 does not fit in a single byte. Alternatively there is another mode where 0..360 is rescaled to 0..255 but this isn't as common.
int hueValue = 0; // red color
int hueRange = 15; // how much difference from the desired color we want to include to the result If you increase this value, for example a red color would detect some orange values, too.
int minSaturation = 50; // I'm not sure which value is good here...
int minValue = 50; // not sure whether 50 is a good min value here...
cv::Mat hueImage = hsvChannels[0]; // [hue, saturation, value]
// is the color within the lower hue range?
cv::Mat hueMask;
cv::inRange(hueImage, hueValue - hueRange, hueValue + hueRange, hueMask);
// if the desired color is near the border of the hue space, check the other side too:
// TODO: this won't work if "hueValue + hueRange > 180" - maybe use two different if-cases instead... with int lowerHueValue = hueValue - 180
if (hueValue - hueRange < 0 || hueValue + hueRange > 180)
{
cv::Mat hueMaskUpper;
int upperHueValue = hueValue + 180; // in reality this would be + 360 instead
cv::inRange(hueImage, upperHueValue - hueRange, upperHueValue + hueRange, hueMaskUpper);
// add this mask to the other one
hueMask = hueMask | hueMaskUpper;
}
// now we have to filter out all the pixels where saturation and value do not fit the limits:
cv::Mat saturationMask = hsvChannels[1] > minSaturation;
cv::Mat valueMask = hsvChannels[2] > minValue;
hueMask = (hueMask & saturationMask) & valueMask;
cv::imshow("desired color", hueMask);
// now perform the line detection
std::vector<cv::Vec4i> lines;
cv::HoughLinesP(hueMask, lines, 1, CV_PI/360, 50, 50, 10);
// draw the result as big green lines:
for (unsigned int i = 0; i < lines.size(); ++i)
{
cv::line(input, cv::Point(lines[i][0], lines[i][1]), cv::Point(lines[i][2], lines[i][3]), cv::Scalar(0, 255, 0), 5);
}
cv::imwrite("C:/StackOverflow/Output/coloredLines_mask.png", hueMask);
cv::imwrite("C:/StackOverflow/Output/coloredLines_detection.png", input);
cv::imshow("input", input);
cv::waitKey(0);
return 0;
}
использованием этого входного изображения:
извлечет этот «красный» цвет (отрегулировать hueValue и hueRange для определения различных цветов):
и HoughLinesP обнаруживает эти строки из маски (должен работать с HoughLines аналогично):
Вот еще один набор изображений с не-линий тоже ...
О ваших различных вопросов:
Есть две функции HoughLines и HoughLinesP. HoughLines не извлекает длину строки, но вы можете вычислить ее в постобработке, снова проверив, какие пиксели краевой маски (вход HoughLines) соответствуют выделенной строке.
параметры:
изображение - края изображения (должно быть ясно?) линии - линии, данные по углу и положению, не имеющей длины или СТГ. они интерпретируются бесконечно долго. rho - разрешение аккумулятора. Чем больше, тем более надежным в случае слегка искаженных линий оно должно быть, но тем менее точным в позиции/углах выделенных линий. порог - чем меньше ложных срабатываний, тем больше вы можете пропустить некоторые линии. theta - разрешение по углу: чем меньше, тем больше различий между линиями (в зависимости от ориентации). Если ориентация вашей линии не подходит для шагов угла, линия не может быть обнаружена. Например, если вы CV_PI/180 обнаружите в разрешении 1°, если ваша линия имеет ориентацию 0.5° (например, 33.5°), она может быть пропущена.
Я не так уверен, что очень всех параметров, может быть, вы будете смотреть на литературу об обнаружении HOUGH линии, или кто-то может добавить некоторые намеки здесь.
Если вы вместо того, чтобы использовать cv::HoughLinesP, сегменты линии с указанием времени начала и конечной точкой будет обнаружено, что легче интерпретировать, и вы можете вычислить длину строки из cv::norm(cv::Point(lines[i][0], lines[i][1]) - cv::Point(lines[i][2], lines[i][3]))
Для получения размера линий используйте вероятностное преобразование Hough. Только линии над определенной длиной будут обнаружены им. – FadedCoder
Можете ли вы разместить (пару) изображений? Это будет проще и понятнее объяснить. – Miki
Проблема с вашим «красным изображением» заключается в том, что вы не можете найти функцию, потому что сами не понимаете задачу. «Красный», вероятно, не является одним значением RGB, но имеет много связанных цветов. Вы хотите удалить все остальные оттенки и заменить их черным. – MSalters