基于OpenCV与Qt的亚克力板件检测系统

本文主要是介绍基于OpenCV与Qt的亚克力板件检测系统，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

为什么做了个这个呢，其实是学校机器视觉创新班的大作业。虽然做的不是很完善，但是也希望起到一个抛砖引玉的效果。

源码下载链接：基于OpenCV与Qt的亚克力板件检测系统-图像处理文档类资源-CSDN下载

一、概述

首先是作业的要求：

综上所述，我们需要实现的功能有：

采集图像
保存图像
颜色识别
形状识别
像素尺寸识别
多目标同时识别
相机标定
像素尺寸转换为实际尺寸
实时检测

二、系统总体设计

成像系统结构：

同组工业系同学画的结构图，大概就是这样。两块打光板开到最高亮度，底下的垫板我们用了鼠标垫（因为哑光，也找不到更好的材料）

软件逻辑流程：

打开软件，显示主窗体。

进行相机标定，可以用已经预先拍好的标定板照片进行标定，也可以用程序内置的截图按钮对标定板进行摄像并进行标定。

按下分析按钮，即可即时显示检测结果在屏幕上

软件界面设计：

（取名叫Amadeus）

三、各个功能实现

1.界面编写

界面基于Qt，版本是5.12.9，编译器是MingW 7.30 64位，OpenCV库版本是4.5.4

第一步是在Qt里使用OpenCV库，需要在pro文件里加上这么几行

INCLUDEPATH += I:\Documents\Qt\OpenCV\build\install\include
INCLUDEPATH += I:\Documents\Qt\OpenCV\build\install\include\opencv2LIBS += I:\Documents\Qt\OpenCV\build\lib\libopencv_*.a

然后再包含各种头文件

#include "opencv2/opencv.hpp"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"

这样，就可以在Qt里使用OpenCV了

2.采集图像

下一步就是编写各种功能，我们首先要实现的是采集图像和显示图像到窗体的功能，关键代码如下

cap.open(camNum);
timer -> start(33);        //打开序号为camNum的摄像头，将定时器调为33毫秒中断一次

因为Qt有着独特的图片类型QImage，所以我们要将摄像头采集到的Mat类型图像转换为QImage类型再显示出来，关键代码如下

cap.read(frame);        //读取摄像头采集到的图像，存放在frame中
QImage qim = MainWindow::convertMat2QImage(frame);
/*将OpenCV库中Mat类型的frame变量转换为Qt专用的图片类型QImage，名字是qim*/
ui->camView->setPixmap(QPixmap::fromImage(qim));
/*让窗体中的camView组件显示qim*/

convertMat2QImage方法是我自定义的一个方法，代码如下

QImage MainWindow::convertMat2QImage(Mat &src)
{cvtColor(src, src, COLOR_BGR2RGB);//将颜色通道从BGR转为RGBQImage qim((const unsigned char*)src.data, src.cols, src.rows, src.step, QImage::Format_RGB888);return qim;
}

这样，采集图像的功能就完成了。

3.保存图像

保存图像也很简单，只需要一个Mat类型的图像和一行代码就可以完成，但是我写了一个可以保存多个图像并且按顺序命名文件的方法，为了以后标定方便使用，关键代码如下

void MainWindow::on_cap_clicked()
{capNum++;        //文件序号自加string cap = ".bmp";//后缀为bmpstring fileName = to_string(capNum).append(cap);//将文件序号字符串拼接上后缀字符串imwrite(fileName, frameC);//imwrite函数保存图像
}

4.形状识别

识别形状的部分借用了另一位博主的代码，原帖地址：计算机视觉 OpenCV【七：应用之形状与轮廓检测】_Kukeoo的博客-CSDN博客

这个方法使用了识别轮廓和拟合轮廓为多边形的方式，通过多边形的角点数来判断形状，可以说是十分的直观。关键代码如下：

approxPolyDP(contour[i], conPoly[i], 0.02 * peri, true);    //将轮廓拟合为多边形
boundRect[i] = boundingRect(conPoly[i]);         //外接矩形
minRect[i] = minAreaRect(conPoly[i]);            //最小外接矩形
int objCor = (int)conPoly[i].size();             //定义角点数量
if (objCor == 3) { objectType = 1; }             //objectType == 1时，即为三角形
else if (objCor == 4) 
{
float aspRatio = (float)boundRect[i].width / boundRect[i].height;//长宽比来区别正方形与矩形
if (aspRatio > 0.98 && aspRatio < 1.02) { objectType = 2; } //objectType == 2时，即为正方形
else { objectType = 3; }                                    //objectType == 3时，即为长方形
}
else if (objCor == 5) { objectType = 4; }       //objectType == 4时，即为五边形
else if (objCor == 6) { objectType = 5; }       //objectType == 5时，即为六边形
else if (objCor > 6) { objectType = 6; }        //objectType == 6时，即为圆形

5.颜色识别

因为这次任务所要识别的亚克力板颜色和形状都是均匀的，并且色彩变化范围不大，所以采用了取识别到的亚克力板的最小外接圆的圆心的HSV通道的色相来判断该板块的颜色，关键代码如下：

minEnclosingCircle(conPoly[i], center, radius);                      //定义最小外接圆
circle(img, center, radius, Scalar(255, 0, 255), 2);                 //绘制最小外接圆              if(color[2] <= 46 && color[1] >= 0){ colorString = "Black"; }
//根据最小外接圆圆心的色相判断其颜色
else if(color[0] <= 180 && color[0] >= 156) { colorString = "Red"; }
else if(color[0] <= 10 && color[0] >= 0) { colorString = "Red"; }
else if(color[0] <= 25 && color[0] >= 11) { colorString = "Orange"; }
else if(color[0] <= 34 && color[0] >= 26) { colorString = "Yellow"; }
else if(color[0] <= 77 && color[0] >= 35) { colorString = "Green"; }
else if(color[0] <= 99 && color[0] >= 78) { colorString = "Yellow"; }
else if(color[0] <= 124 && color[0] >= 100) { colorString = "Blue"; }
else if(color[0] <= 155 && color[0] >= 125) { colorString = "Purple"; }

6.像素尺寸识别

按照要求，像素尺寸要输出几个数据，比如面积、最小外接圆半径、边长。

代码中具体实现输出的是：

三角形：边长、面积、最小外接圆半径
正方形：边长、面积、最小外接圆半径
矩形：长、宽、面积、最小外接圆半径
五边形：边长、面积、最小外接圆半径
六边形：边长、面积、最小外接圆半径
圆形：半径、面积

具体使用的计算方法如下

边长：将一个形状的轮廓周长除以这个形状的边数，即可得到边长
面积：将上面得到的边长代入这个形状的面积计算公式，即可得到该形状的面积
最小外接圆半径：直接用OpenCV自带的函数对轮廓绘制最小外接圆，会返回一个半径
矩形的长和宽：需要对矩形绘制最小外接矩形，并返回最小外接矩形的长和宽

这一部分代码有点长.......具体请见我主页公开的源代码

7.多目标同时识别

这个没啥好说的，给识别形状的代码加一个for循环就行了

for (int i = 0; i < (int)contour.size(); i++)//对每一个轮廓进行识别
{......
}

8.相机标定

相机标定部分借用了另一位博主的代码

Opencv 张正友相机标定傻瓜教程_牧野的博客-CSDN博客_opencv相机标定

9.实际尺寸输出

这里使用的方法是，首先进行相机标定，输出畸变参数和内参矩阵，再用这两个参数对拍摄的一张标定图片进行校正，提取其中两个相邻的角点，计算出两个角点之间的像素距离。

这时候两个角点之间的像素距离就是校正后的像素距离，将它与这两个角点的实际距离相除，可以得到一个系数，使用这个系数乘以之前计算出的多边形尺寸，即可得到多边形的实际尺寸。关键代码如下

Mat newImage;
undistort(imageSource, newImage, cameraMatrix, distCoeffs);
findChessboardCorners(imageSource, board_size, image_points3, 0);
//输出一张校正后的图像，检测该图像的角点并计算距离
Point2f p1 = image_points3.at(0);
Point2f p2 = image_points3.at(1);
float distance = getDistance(p1, p2);
ratio1 = 6/distance;//系数等于实际距离除以像素距离

其中getDistance是自定义的一个函数

double getDistance (Point2f pointO, Point2f point1)//计算两点之间的距离
{double distance;distance = powf((pointO.x - point1.x),2) + powf((pointO.y - point1.y),2);distance = sqrtf(distance);return distance;
}