视频追踪之目标选择（一）------边缘检测值函数准备

视频跟踪（video tracking）第一步往往是人工的目标选取，当然在特定场合，也可以用动态检测来实现目标的自动选择。人工选择的情况下，往往是从某一frame开始用鼠标神马的选一下目标。更多的是需要用户绘制出跟踪目标的外接矩形或者外接圆，显然，这样显然会消耗比较长的时间，通常情况下是不可容忍的。所以利用边缘检测可以将矩形绘制简化为鼠标单击。

一．关键函数

1.1 cvFindContours

函数功能：对图像进行轮廓检测，这个函数将生成一条链表以保存检测出的各个轮廓信息，并传出指向这条链表表头的指针。

函数原型：

int cvFindContours(

CvArr* image,

CvMemStorage* storage,

CvSeq** first_contour, 　　

int header_size=sizeof(CvContour),

int mode=CV_RETR_LIST, 　　

int method=CV_CHAIN_APPROX_SIMPLE,

CvPoint offset=cvPoint(0,0)

);

函数说明：

第一个参数表示输入图像，必须为一个8位的二值图像。所以，在做图像的边缘检测之前，首先要进行图图像的灰度和二值化。

第二参数表示存储轮廓的容器。相当于一个中间的过渡池，无需过度纠结。

第三个参数为输出参数，这个参数将指向用来存储轮廓信息的链表表头，这是很重要的东西，后期就用这个来分析边缘，从而实现矩形的自动绘制。

第四个参数表示存储轮廓链表的表头大小，当第六个参数传入CV_CHAIN_CODE时，要设置成sizeof(CvChain)，其它情况统一设置成sizeof(CvContour)。

第五个参数为轮廓检测的模式

第七个参数表示偏移量，比如你要从图像的（100, 0）开始进行轮廓检测，那么就传入（100, 0）。

也就是说，cvFindContours这货，作用就是给你返回一个列表，列表是边缘像素的信息。

1.2 cvDrawContours

函数功能：利用之前产生的像素信息，绘制出轮廓（其实最总不需要这个函数）

函数原型：

void cvDrawContours(

CvArr *img,

CvSeq* contour,

CvScalar external_color,

CvScalar hole_color,

int max_level,

int thickness=1,

int line_type=8,

CvPoint offset=cvPoint(0,0)

);

第一个参数表示输入图像，函数将在这张图像上绘制轮廓。

第二个参数表示指向轮廓链表的指针。

第三个参数和第四个参数表示颜色，绘制时会根据轮廓的层次来交替使用这二种颜色。

第五个参数表示绘制轮廓的最大层数，如果是0，只绘制contour；如果是1，追加绘制和contour同层的所有轮廓；如果是2，追加绘制比contour低一层的轮廓，以此类推；如果值是负值，则函数并不绘制contour后的轮廓，但是将画出其子轮廓，一直到abs(max_level) - 1层。

第六个参数表示轮廓线的宽度，如果为CV_FILLED则会填充轮廓内部。

第七个参数表示轮廓线的类型。

第八个参数表示偏移量，如果传入（10，20），那绘制将从图像的（10，20）处开始。

1.3下面就介绍OpenCV中对图像进行二值化的关键函数——cvThreshold()。

函数原型：

void cvThreshold(

const CvArr* src,

CvArr* dst,

double threshold,

double max_value,

int threshold_type

);

函数说明：

第一个参数表示输入图像，必须为单通道灰度图。

第二个参数表示输出的边缘图像，为单通道黑白图。

第三个参数表示阈值，阈值的确定也有很多算法，但是方便起见，我们在程序中固定为100，以后有时间可专门写一篇讨论。

第四个参数表示最大值。

第五个参数表示运算方法。

在OpenCV的imgproc\types_c.h中可以找到运算方法的定义。

enum

{

CV_THRESH_BINARY =0,

CV_THRESH_BINARY_INV =1,

CV_THRESH_TRUNC =2,

CV_THRESH_TOZERO =3,

CV_THRESH_TOZERO_INV =4,

CV_THRESH_MASK =7,

CV_THRESH_OTSU =8

};

​此外还有一个函数、

cvCvtColor(...),是Opencv里的颜色空间转换函数，可以实现RGB颜色向HSV,HSI等颜色空间的转换，也可以转换为灰度图像。

也就是，过程是这样的：

彩色图像-->灰度图像（利用cvCvtColor（））​-->将其二值化（cvThreshold（））-->获取边缘像素信息（cvFindContours（））-->绘制边缘（cvDrawContours）