使用基本算法检测对色卡

本教程将介绍如何使用“mcc”模块检测图像中的色卡。这里我们仅使用基本检测算法。在下一节教程中，你将了解如何使用神经网络提高检测准确性。

构建

构建 OpenCV 时，运行以下命令以构建所有 contrib 模块：

cmake -D OPENCV_EXTRA_MODULES_PATH=<opencv_contrib>/modules/

或仅构建 mcc 模块：

cmake -D OPENCV_EXTRA_MODULES_PATH=<opencv_contrib>/modules/mcc

或者确保在 CMake 的 GUI 版本中选中 mcc 模块：cmake-gui。

示例源代码

运行
<path_of_your_opencv_build_directory>/bin/example_mcc_chart_detection -t=<type_of_chart> -v=<optional_path_to_video_if_not_provided_webcam_will_be_used.mp4> --ci=<optional_camera_id_needed_only_if_video_not_provided> --nc=<optional_maximum_number_of_charts_to_look_for>

• -t=# 为图表类型，其中 0（标准）、1（DigitalSG）、2（乙烯基）
• –ci=# 为相机 ID，其中 0（默认为主相机）、1（辅助相机）等
• –nc=# 默认值为 1，这意味着仅检测最佳图表

示例

在标准 Macbeth 色卡上运行电影
/home/opencv/build/bin/example_mcc_chart_detection -t=0 -v=mcc24.mp4
 
或在相机 0 中的乙烯基 Macbeth 色卡上运行
/home/opencv/build/bin/example_mcc_chart_detection -t=2 --ci=0
 
或在乙烯基 Macbeth 色卡上运行，检测获得最佳 5 张图表（检测结果可能少于 5 张，但绝不会多于 5 张）
/home/opencv/build/bin/example_mcc_chart_detection -t=2 --ci=0 --nc=5

#include <opencv2/core.hpp>
 
#include <opencv2/highgui.hpp>
#include <opencv2/mcc.hpp>
#include <iostream>
 
using namespace std;
using namespace cv;
using namespace mcc;
 
const char *about = "Basic chart detection";
const char *keys = {
 "{ help h usage ? | | 显示此消息 }"
 "{t | | chartType: 0 标准, 1 数字 SG, 2 黑胶唱片 }"
 "{v | | 来自视频文件输入, 如果省略, 输入来自摄像机 }"
 "{ci | 0 | 如果输入不来自视频 ( -v ) 的摄像机 ID }"
 "{nc | 1 | 图像中的最大图表数 }"};
 
int main(int argc, char *argv[])
{
 
    // ----------------------------------------------------------
 // 向下滚动一段距离 (~40 行) 以查找实际相关代码。
    // ----------------------------------------------------------
 
 CommandLineParser parser(argc, argv, keys);
 parser.about(about);
 
 int t = parser.get<int>("t");
 
 CV_Assert(0 <= t && t <= 2);
 TYPECHART chartType = TYPECHART(t);
 
 int camId = parser.get<int>("ci");
 int nc = parser.get<int>("nc");
 String video;
 if (parser.has("v"))
 video = parser.get<String>("v");
 
 if (!parser.check())
    {
 parser.printErrors();
 return 0;
    }
 
 VideoCapture inputVideo;
 int waitTime;
 if (!video.empty())
    {
 inputVideo.open(video);
 waitTime = 10;
    }
 否则
    {
 inputVideo.打开(camId);
 waitTime = 10;
    }
 
    //--------------------------------------------------------------------------
 //-------------------------实际相关代码-----------------------------
    //--------------------------------------------------------------------------
 
 当 (inputVideo.获取())
    {
 
 垫子 image, imageCopy;
 inputVideo.检索(image);
 imageCopy = image.克隆();
 Ptr<CCheckerDetector> detector = CCheckerDetector::create();
 // 检测标记类型
 如果 (!detector->process(image, chartType, nc))
        {
 printf("未检测到图表颜色 \n");
        }
 否则
        {
 
 // 获取检查器
 std::vector<Ptr<mcc::CChecker>> checkers = detector->getListColorChecker();
 
 对于 (Ptr<mcc::CChecker> checker : checkers)
            {
 // 当前检查器
 Ptr<CCheckerDraw> cdraw = CCheckerDraw::create(checker);
 cdraw->draw(image);
            }
        }
 imshow("图像结果 | q 或 esc 退出", image);
 imshow("原始", imageCopy);
 字符 key = (char)waitKey(waitTime);
 如果 (key == 27)
 break；
    }
 
 return 0；
}

说明

1. 设置头和命名空间

   #include <opencv2/mcc.hpp>
   using namespace std;
   using namespace cv;
   using namespace mcc;

   如果愿意，可以将命名空间设置为以上代码所示。

2. 创建检测器对象

   Ptr<CCheckerDetector> detector = CCheckerDetector::create();

   这只是创建对象。

3. 运行检测器

   detector->process(image, chartType);

   如果检测器成功地检测一张图表，则返回 true，否则返回 false。在上述给出的代码中，如果未检测到任何图表，我们将打印失败消息。否则，如果成功，色卡列表将存储在检测器本身内，我们将在下一步中看到如何提取它。默认情况下，它将检测至多一张图表，但你可以调整第三个参数 nc（最大图表数量），以检测更多图表。

4. 获取颜色检测器列表

   std::vector<cv::Ptr<mcc::CChecker>> checkers;
   detector->getListColorChecker(checkers);

   所有检测到的颜色检测器现在都存储在“checkers”向量中。

5. 将颜色检测器绘制回图像

   for(Ptr<mcc::CChecker> checker : checkers)
   {
       // 当前检测器
       Ptr<CCheckerDraw> cdraw = CCheckerDraw::create(checker);
   cdraw->draw(image);
   }

   逐一循环所有检测器，然后绘制它们。