亲宝软件园·资讯

展开

C++目标裁剪ImageCropping

翟天保Steven 人气:0

场景需求

在做图像处理时,有时候会需要适当地进行一些裁剪工作,比如我做干涉测量领域,我们所要处理的图像区域是条纹所在区域,而原图又远大于我所想分析的目标区,此时就需要对图像进行裁剪,这样做的好处:

1)缩减计算量,提高程序运行速度;

2)裁剪后的图像尺寸正好是归一化的图像尺寸,如果有归一化的需求,可以直接用裁剪图像尺寸建立归一化数据网格图。

我就是为了计算柱面的拟合系数才写了这个函数,若要得到同光学领域标准一致的系数,需要先归一化数据,而归一化的范围就正好是裁剪的图像大小。

函数通俗易懂,就是用掩膜锁定目标区,再分析掩膜在原图中的上下左右边界,用roi提取出来即可。

话不多说,下方为具体实现函数和测试代码。

功能函数代码

/**
 * @brief ImageCropping                    图像裁剪
 * @param phase                            所需裁剪的图像
 * @return                                 裁剪后图像
 */
cv::Mat ImageCropping(const cv::Mat &phase) {
	// 非测量区一般都进行了NaN处理,所以掩膜绘制只需要判断是否为NaN值即可
	cv::Mat mask = cv::Mat::zeros(phase.size(), CV_8UC1);
	mask.setTo(255, phase == phase);
	int roi_up = 10000;
	int roi_down = 0;
	int roi_left = 10000;
	int roi_right = 0;
	int row = phase.rows;
	int col = phase.cols;
	for (int i = 0; i < row; i++)
	{
		uchar *m = mask.ptr<uchar>(i);
		for (int j = 0; j < col; j++)
		{
			if (m[j] != 0)
			{
				if (j < roi_left)roi_left = j;
				if (j > roi_right)roi_right = j;
				if (i < roi_up)roi_up = i;
				if (i > roi_down)roi_down = i;
			}
		}
	}
	int w = roi_right - roi_left;
	int h = roi_down - roi_up;
	// 一般提取奇数尺寸,方便计算
	if (w % 2 == 0)w++;
	if (h % 2 == 0)h++;
	cv::Mat crop_phase = phase(cv::Rect(roi_left, roi_up, w, h)).clone();
	return crop_phase;
}

C++测试代码

#include<iostream>
#include<opencv2/opencv.hpp>
#include<ctime>
using namespace std;
using namespace cv;
cv::Mat ImageCropping(const cv::Mat &phase);
int main(void)
{
	cv::Mat phase(100, 100, CV_32FC1, nan(""));
	cv::circle(phase, cv::Point(50, 50), 30, 255, -1);
	cv::Mat crop = ImageCropping(phase);
	imshow("original", phase);
	imshow("result", crop);
	waitKey(0);
	system("pause");
	return 0;
}
/**
 * @brief ImageCropping                    图像裁剪
 * @param phase                            所需裁剪的图像
 * @return                                 裁剪后图像
 */
cv::Mat ImageCropping(const cv::Mat &phase) {
	// 非测量区一般都进行了NaN处理,所以掩膜绘制只需要判断是否为NaN值即可
	cv::Mat mask = cv::Mat::zeros(phase.size(), CV_8UC1);
	mask.setTo(255, phase == phase);
	int roi_up = 10000;
	int roi_down = 0;
	int roi_left = 10000;
	int roi_right = 0;
	int row = phase.rows;
	int col = phase.cols;
	for (int i = 0; i < row; i++)
	{
		uchar *m = mask.ptr<uchar>(i);
		for (int j = 0; j < col; j++)
		{
			if (m[j] != 0)
			{
				if (j < roi_left)roi_left = j;
				if (j > roi_right)roi_right = j;
				if (i < roi_up)roi_up = i;
				if (i > roi_down)roi_down = i;
			}
		}
	}
	int w = roi_right - roi_left;
	int h = roi_down - roi_up;
	// 一般提取奇数尺寸,方便计算
	if (w % 2 == 0)w++;
	if (h % 2 == 0)h++;
	cv::Mat crop_phase = phase(cv::Rect(roi_left, roi_up, w, h)).clone();
	return crop_phase;
}

测试效果     

图1 裁剪前后对比图

在测试案例中,随机生成了一个100*100的数据矩阵,中间一个30半径的圆,也是我需要的目标区域,运用ImageCropping函数实现了目标区域的提取。

加载全部内容

相关教程
猜你喜欢
用户评论