OpenCV学习代码记录—— Snake轮廓

很久之前学习过一段时间的OpenCV，当时没有做什么笔记，但是代码都还在，这里把它贴出来做个记录。
代码放在码云上，地址在这里https://gitee.com/solym/OpenCVTest/tree/master/OpenCVTest

效果

代码

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/legacy/legacy.hpp>    // cvSnakeImage// http://blog.csdn.net/hongxingabc/article/details/51606520
//http://wiki.opencv.org.cn/index.php/Snake%E8%BD%AE%E5%BB%93%E4%BE%8B%E5%AD%90static cv::Mat  src, src_bak;   // 原始图像及其备份static int  thresholdness = 128;    // 阈值
// 下面的参数用于滑块的值传出
static int ialpha = 20; // alpha代表点相互靠拢的权值(0-1.0)
static int ibeta  = 20; // beta表示弯曲能量（越小越容易弯曲）(0-1.0)
static int igamma = 20; // gamma表示整体能量(0-1.0)void on_change(int pos,void*);int snakeContour()
{// 创建窗口cv::namedWindow("win", 0);// 添加四个进度条(滑块条)cv::createTrackbar("Thd", "win", &thresholdness, 255, on_change);cv::createTrackbar("alpha", "win", &ialpha, 100, on_change);cv::createTrackbar("beta", "win", &ibeta, 100, on_change);cv::createTrackbar("gamma", "win", &igamma, 100, on_change);cv::resizeWindow("win", 640, 480);// 调用一次on_change，以便显示出窗口on_change(0,NULL);while (true){if (cv::waitKey(40) == 27) {cv::destroyWindow("win");break;  // 按下ESC键就退出}// 显示图像到窗口cv::imshow("win", src_bak);}return 0;
}void on_change(int,void*)
{// 读取原图像src_bak = cv::imread("../Image/sisy.jpg", 1);// 转换为灰度图像cv::cvtColor(src_bak, src, CV_BGR2GRAY);// 对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像。// 二值化操作cv::threshold(src/*原始图像(单通道)*/,src/*目标图像(与原始图像类型一致)*/,thresholdness/*二值化控制阈值*/,255/*使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值*/,CV_THRESH_BINARY/*阈值类型*/);// CV_THRESH_BINARY:如果 src(x, y)>threshold, dst(x, y) = max_value; 否则, dst（x, y） = 0;// CV_THRESH_BINARY_INV:如果 src(x, y)>threshold, dst(x, y) = 0; 否则, dst(x, y) = max_value.// CV_THRESH_TRUNC:如果 src(x, y)>threshold，dst(x, y) = max_value; 否则dst(x, y) = src(x, y).// CV_THRESH_TOZERO:如果src(x, y)>threshold，dst(x, y) = src(x, y); 否则 dst(x, y) = 0。// CV_THRESH_TOZERO_INV:如果 src(x, y)>threshold，dst(x, y) = 0; 否则dst(x, y) = src(x, y).std::vector<std::vector<cv::Point> > contours;// http://www.360doc.com/content/12/1028/14/6408986_244247418.shtml// 寻找初始化轮廓cv::findContours(src/*输入图像(2值单通道图像)*/,contours/*传出检测的轮廓点数组*/,CV_RETR_EXTERNAL/*轮廓检测模式*/,CV_CHAIN_APPROX_SIMPLE/*轮廓近似方式*/,cv::Point(0, 0)/*轮廓点偏移量*/);if (contours.empty()) {return; //没有检测到轮廓}// 绘制轮廓线(绘制到备份的图像上)cv::drawContours(src_bak, contours, -1, cv::Scalar(0, 0, 255), 2, 8);{// 获取alpha、beta、gamma三个值float alpha = ialpha / 100.0f;float beta = ibeta / 100.0f;float gamma = igamma / 100.0f;// 改变轮廓位置使得它的能量最小// 因为没有C++的接口，所以这里使用C的接口IplImage ipl_src = IplImage(src);// 每个点用于搜索最小值的邻域尺寸，两个 win.width 和 win.height 都必须是奇数CvSize size;size.width = 3; size.height = 3;// 终止条件CvTermCriteria criteria;criteria.type = CV_TERMCRIT_ITER;criteria.max_iter = 1000;criteria.epsilon = 0.1;// 梯度符号。如果非零，函数为每一个图像象素计算梯度幅值，且把它当成能量场，否则考虑输入图像本身。int calc_gradient = 1;std::vector<CvPoint> point_arr; // 用于获取一个轮廓环的特征点for (int nline = 0; nline < contours.size(); ++nline) {// 当前轮廓线点数int point_count = contours[nline].size();if (point_count > 2) {  // 低于3个点的时候，会出错point_arr.resize(point_count);} else {continue;}// 拷贝特征点for (int npt = 0; npt < contours[nline].size(); ++npt) {point_arr[npt] = contours[nline][npt];}// 执行改变轮廓位置使得它的能量最小cvSnakeImage(&ipl_src/*输入图像或外部能量域*/,point_arr.data()/*传入传出轮廓点*/,point_count/*传入轮廓点数组大小*/,&alpha/*连续性能量的权 Weight[s]，单个浮点数或长度为 length 的浮点数数组，每个轮廓点有一个权*/,&beta/*曲率能量的权 Weight[s]，与 alpha 类似*/,&gamma/*图像能量的权 Weight[s]，与 alpha 类似*/,CV_VALUE/*前面三个参数的不同使用方法*/,/*CV_VALUE 表示每个 alpha, beta, gamma 都是指向为所有点所用的一个单独数值;CV_ARRAY 表示每个 alpha, beta, gamma 是一个指向系数数组的指针，snake 上面各点的系数都不相同。因此，各个系数数组必须与轮廓具有同样的大小。所有数组必须与轮廓具有同样大小*/size, criteria, calc_gradient);// 显示曲线(蓝色)for (int prev = 0; prev < point_count; ++prev) {int next = (prev + 1) % point_count;// 绘线，蓝色cv::line(src_bak, point_arr[prev], point_arr[next], cv::Scalar(255, 0, 0), 2, 8, 0);}}}
}