Question

我的图像有大约50到100个小轮廓。我希望实时找到每个轮廓的平均强度[1] [2]。我能想到的一些方法是

为每个轮廓绘制带有FILLED选项的轮廓;使用每个图像作为原始图像上的掩模，从而找到平均值。但我认为这种方法乍一看不是实时的。
使用FILLED选项研究drawContour函数的OpenCV实现，并以相同的方式访问轮廓包围的像素。但代码看起来非常复杂，不容易理解。
计算最小面积矩形，使用变换找到矩形内的所有点，并找到非零点的平均值。再次，似乎是复杂的方法。

有更简单有效的方法吗？

[1]每个非重叠轮廓所包围的所有像素强度的平均值

[2]在2.66 Ghz台式电脑上每秒约25张（960 x 480）像素图像

Answer 1

我无法想出任何与您建议的方法大不相同的方法。但是，我能够做一些可能有助于指导您决定的时间安排。我的所有时间都在iMac上的1280 * 720图像上运行，仅限于找到100个轮廓。你的机器上的时间当然会有所不同，但是相对的时间应该是有用的。

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1：19.0ms

方法1在概念上是最简单的，但它也是最慢的。通过为每个轮廓分配唯一的颜色来标记每个轮廓。通过迭代图像中的每个像素来对每个标记组分的值求和。

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3：15.7ms

未经修改的方法3具有最简单的实现，也是最快的。填充所有轮廓以用作寻找平均值的掩模。计算每个轮廓的边界矩形，然后使用边界框内的掩模计算平均值。

警告：如果任何其他轮廓位于感兴趣的轮廓的边界矩形内，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];
}

修改方法3：17.8ms

对方法3稍作修改可略微增加执行时间，但无论轮廓位置如何，都可获得正确结果的好处。每个轮廓都单独标记，并且仅使用该轮廓的掩模计算平均值。

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];
}

如何实时查找OpenCV轮廓的平均强度

1 个答案:

方法1：19.0ms

方法3：15.7ms

修改方法3：17.8ms