在本教程中，您将学习如何使用“mcc”模块来检测图像中的色卡。这里我们只会使用基本的检测算法。在下一个教程中，您将看到如何使用神经网络提高检测准确性。

构建

在构建 OpenCV 时，运行以下命令来构建所有 contrib 模块

cmake -D OPENCV_EXTRA_MODULES_PATH=<opencv_contrib>/modules/

或者仅构建 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。

示例的源代码

run

<您的 opencv 构建目录的路径>/bin/example_mcc_chart_detection -t=<图表类型> -v=<可选的视频路径，如果未提供，将使用网络摄像头.mp4> --ci=<可选的相机 ID，仅在未提供视频时需要> --nc=<要查找的可选的最大图表数>

-t=# 是图表类型，其中 0 (标准)，1 (DigitalSG)，2 (Vinyl)
–ci=# 是相机 ID，其中 0 (默认是主摄像头)，1 (辅助摄像头) 等
–nc=# 默认值为 1，这意味着只会检测到最佳图表

示例

在标准 macbeth 图表上运行电影
/home/opencv/build/bin/example_mcc_chart_detection -t=0 -v=mcc24.mp4
 
或者从相机 0 运行 vinyl macbeth 图表
/home/opencv/build/bin/example_mcc_chart_detection -t=2 --ci=0
 
或者运行 vinyl macbeth 图表，检测最佳 5 个图表（检测结果可能少于 5 个，但绝不会超过 5 个）
/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 = "基本图表检测";
const char *keys = {
 "{ help h usage ? | | 显示此消息 }"
 "{t | | 图表类型：0-标准，1-DigitalSG，2-Vinyl }"
 "{v | | 从视频文件输入，如果省略，则从相机输入 }"
 "{ci | 0 | 如果输入不是来自视频 (-v) 的相机 id }"
 "{nc | 1 | 图像中的最大图表数量 }"};
 
int main(int argc, char *argv[])
{
 
    // ----------------------------------------------------------
 // 向下滚动一点（约 40 行）以找到实际相关代码
    // ----------------------------------------------------------
 
 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;
    }
 else
    {
 inputVideo.open(camId);
 waitTime = 10;
    }
 
    //--------------------------------------------------------------------------
 //-------------------------实际相关代码-----------------------------
    //--------------------------------------------------------------------------
 
 while (inputVideo.grab())
    {
 
 Mat image, imageCopy;
 inputVideo.retrieve(image);
 imageCopy = image.clone();
 Ptr<CCheckerDetector> detector = CCheckerDetector::create();
 // 要检测的标记类型
 if (!detector->process(image, chartType, nc))
        {
 printf("未检测到 ChartColor \n");
        }
 else
        {
 
 // 获取检查器
 std::vector<Ptr<mcc::CChecker>> checkers = detector->getListColorChecker();
 
 for (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("原始图像", imageCopy);
 char key = (char)waitKey(waitTime);
 if (key == 27)
 break;
    }
 
 return 0;
}

解释

设置头文件和命名空间
#include <opencv2/mcc.hpp>

using namespace std;

using namespace cv;

using namespace mcc;

如果需要，您可以像上面的代码一样设置命名空间。
创建检测器对象
Ptr<CCheckerDetector> detector = CCheckerDetector::create();

这只是为了创建对象。
运行检测器
detector->process(image, chartType);

如果检测器成功检测到至少一个图表，则返回 true，否则返回 false。在上面给出的代码中，如果没有检测到图表，我们会打印一条失败消息。否则，如果成功，颜色图表的列表将存储在检测器本身中，我们将在下一步中看到如何提取它。默认情况下，它最多检测到一个图表，但是您可以调整第三个参数 nc（最大图表数）以检测更多图表。
获取颜色检查器列表
std::vector<cv::Ptr<mcc::CChecker>> checkers;

detector->getListColorChecker(checkers);

所有检测到的色彩检查器现在都存储在“checkers”向量中。
将颜色检查器绘制回图像
for(Ptr<mcc::CChecker> checker : checkers)

{

// 当前检查器

Ptr<CCheckerDraw> cdraw = CCheckerDraw::create(checker);

cdraw->draw(image);

}

逐个循环遍历所有检查器，然后绘制它们。