如何实时计算OpenCV轮廓的平均强度

Question

如何实时计算OpenCV轮廓的平均强度

c++opencvreal-timeaveragecontour

12

我有一张图片，上面有大约50到100个小轮廓。我希望实时找出每个轮廓的平均亮度[1]。我想到的一些方法是：

对每个轮廓使用FILLED选项绘制轮廓；将每个图像用作原始图像上的掩模，从而找到平均值。但乍一看，我认为这种方法不会是实时的。
学习OpenCV中drawContour函数的实现，并以相同方式访问轮廓包围的像素。但是代码似乎非常复杂，不能很快地理解。
计算最小区域矩形，使用转换找到矩形内的所有点，并找到非零点的平均值。再次，这似乎是一种复杂的方法。

有没有更简单、更有效的方法来做到这一点呢？

[1] 包围每个非重叠轮廓的所有像素强度的平均值

[2] 在2.66 GHz桌面PC上，每秒约25个(960 x 480)像素图像

- Ashok

你能保证你的轮廓不重叠吗？ - Hammer

这里时间变化的是什么？是轮廓吗？图片？还是两者都包括？ - Hammer

你是想找到每个轮廓本身的平均值，还是找到轮廓所包围区域的平均值？ - Aurelius

@Hammer 是的，轮廓不重叠。图像随时间变化，因此从图像计算出的轮廓也会随之变化。 - Ashok

我想不出比1更快的简单方法，抱歉。 - Hammer

显示剩余2条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Aurelius · Accepted Answer

我无法提出任何与您提出的方法大不相同的方法。然而，我能够进行一些计时，这可能有助于指导您的决策。所有计时都在iMac上运行，针对1280*720像素大小的图像，限制为寻找100个轮廓。计时在您的计算机上当然会有所不同，但相对计时应该是有用的。

对于每个测试用例，声明如下：

std::vector<std::vector<cv::Point>> cont;  // Filled by cv::findContours()
cv::Mat labels = cv::Mat::zeros(image.size(), CV_8UC1);     
std::vector<float> cont_avgs(cont.size(), 0.f); // This contains the averages of each contour

方法一：19.0毫秒

方法一在概念上是最简单的，但也是最慢的。通过为每个轮廓分配唯一的颜色来标记每个轮廓。通过遍历图像中的每个像素，对每个标记组件的值进行求和。

for (size_t i = 0; i < cont.size(); ++i)
{
    // Labels starts at 1 because 0 means no contour
    cv::drawContours(labels, cont, i, cv::Scalar(i+1), CV_FILLED);
}

std::vector<float> counts(cont.size(), 0.f);
const int width = image.rows;
for (size_t i = 0; i < image.rows; ++i)
{
    for (size_t j = 0; j < image.cols; ++j)
    {
        uchar label = labels.data[i*width + j];

        if (label == 0)
        {
            continue;   // No contour
        }
        else
        {
            label -= 1; // Make labels zero-indexed
        }

        uchar value = image.data[i*width + j];
        cont_avgs[label] += value;
        ++counts[label];
    }
}
for (size_t i = 0; i < cont_avgs.size(); ++i)
{
    cont_avgs[i] /= counts[i];
}

方法三：15.7毫秒

未经修改的方法三具有最简单的实现方式，并且速度最快。所有轮廓都被填充以用作查找平均值的掩码。计算每个轮廓的边界矩形，然后在边界框内使用掩码计算平均值。

警告：如果任何其他轮廓位于所需轮廓的边界矩形内，则此方法将给出不正确的结果。

cv::drawContours(labels, cont, -1, cv::Scalar(255), CV_FILLED);

for (size_t i = 0; i < cont.size(); ++i)
{
    cv::Rect roi = cv::boundingRect(cont[i]);
    cv::Scalar mean = cv::mean(image(roi), labels(roi));
    cont_avgs[i] = mean[0];
}

修改后的方法3：17.8毫秒

对方法3进行轻微修改会稍微增加执行时间，但可以获得正确结果无论轮廓位置如何。每个轮廓都被单独标记，并且只使用该轮廓的掩码计算平均值。

for (size_t i = 0; i < cont.size(); ++i)
{
    cv::drawContours(labels, cont, i, cv::Scalar(i), CV_FILLED);
    cv::Rect roi = cv::boundingRect(cont[i]);
    cv::Scalar mean = cv::mean(image(roi), labels(roi) == i);
    cont_avgs[i] = mean[0];
}