Opencv的安装使用 和 灰度化和二值化的主要实现

看网上方法很多，但版本都不够新，我看了网上一些知识，总结了下，来个最新版Xcode6.1的.

最近主要想做iOS端的车牌识别，所以开始了解OpenCV。有兴趣的可以跟我交流下哈。

 

一.Opencv的使用：

下载  链接】opencv/opencv

       https://github.com/opencv/opencv/releases/tag/3.2.0

　　步骤：

　　1.从官网下载iOS版本的Opencv2.framework。

　　2.拖进工程，选择copy items if needed

　　3.进入building settings，设置Framework SearchPath:

　　　　　设置成$(PROJECT_DIR)/Newtest，这个Newtest是你的项目名，主要是为了定位到你存放的Opencv2.framework所在位置。

　　4.使用Opencv的方式：第（1）种全局pch：（不推荐）新建pch文件，修改成：

　　　　　　　　　　　　　　#ifdef __cplusplus

　　　　　　　　　　　　　　#import <opencv2/opencv.hpp>

　　　　　　　　　　　　　　#endif

　　　　　　　　　　　　　　  并在building setting里的 Incease Sharing of Precompiled Headers项目处：

　　　　　　　　　　　　　　 设置成$(PROJECT_DIR)/Newtest，同理，这个Newtest是你的项目名，主要是为了定位到你存放的PCH文件所在位置。

　　　　　　　　　　　　　　PCH文件以前建工程默认生成，是全局性质的import。Xcode6不再自动生成。苹果引导开发者在某个类要用时才用。

　　　　　　　　　　　　　第（2）种：在需要的地方#import <opencv2/opencv.hpp>

　　　　　　　　　　　　　　　 这里的重点是：使用opencv的类名一定要改成.mm！！

　　　　　　　　　　　             比如你专门写了各一个处理图片的类，Imageprocess。可以在.h里加入。

 

二：灰度化和二值化的主要实现过程：

　　其实过程就是这样：

　　UIImage（iOS图像类）-> cv::Mat（OpenCV图像类） -> Opencv灰度或二值处理函数 -> UIImage

 

三：Opencv类Imageprocess代码参考：

Imageprocess.h

// // Imageprocess.h // Chepaishibie // // Created by shen on 15/1/28. // Copyright (c) 2015年 shen. All rights reserved. // #import <Foundation/Foundation.h> #import <opencv2/opencv.hpp> #import <UIKit/UIKit.h> @interface Imageprocess : UIViewController - (cv::Mat)cvMatFromUIImage:(UIImage *)image; - (UIImage *)UIImageFromCVMat:(cv::Mat)cvMat; - (IplImage *)CreateIplImageFromUIImage:(UIImage *)image; - (UIImage *)UIImageFromIplImage:(IplImage *)image; - (UIImage *)Grayimage:(UIImage *)srcimage; - (UIImage *)Erzhiimage:(UIImage *)srcimage; int Otsu(unsigned char* pGrayImg , int iWidth , int iHeight); @end

Imageprocess.mm 里面包含了很多函数：

主要是 UIImage->cv::Mat ，cv::Mat->UIImage，UIImage->IplImage，IplImage->UIImage， 灰度化，二值化等，还有个OSTU计算阈值的方法。

// // Imageprocess.mm // Chepaishibie // // Created by shen on 15/1/28. // Copyright (c) 2015年 shen. All rights reserved. // #import "Imageprocess.h" @implementation Imageprocess #pragma mark - opencv method // UIImage to cvMat - (cv::Mat)cvMatFromUIImage:(UIImage *)image { CGColorSpaceRef colorSpace = CGImageGetColorSpace(image.CGImage); CGFloat cols = image.size.width; CGFloat rows = image.size.height; cv::Mat cvMat(rows, cols, CV_8UC4); // 8 bits per component, 4 channels CGContextRef contextRef = CGBitmapContextCreate(cvMat.data, // Pointer to data cols, // Width of bitmap rows, // Height of bitmap 8, // Bits per component cvMat.step[0], // Bytes per row colorSpace, // Colorspace kCGImageAlphaNoneSkipLast | kCGBitmapByteOrderDefault); // Bitmap info flags CGContextDrawImage(contextRef, CGRectMake(0, 0, cols, rows), image.CGImage); CGContextRelease(contextRef); CGColorSpaceRelease(colorSpace); return cvMat; } // CvMat to UIImage -(UIImage *)UIImageFromCVMat:(cv::Mat)cvMat { NSData *data = [NSData dataWithBytes:cvMat.data length:cvMat.elemSize()*cvMat.total()]; CGColorSpaceRef colorSpace; if (cvMat.elemSize() == 1) { colorSpace = CGColorSpaceCreateDeviceGray(); } else { colorSpace = CGColorSpaceCreateDeviceRGB(); } CGDataProviderRef provider = CGDataProviderCreateWithCFData((__bridge CFDataRef)data); // Creating CGImage from cv::Mat CGImageRef imageRef = CGImageCreate(cvMat.cols, //width cvMat.rows, //height 8, //bits per component 8 * cvMat.elemSize(), //bits per pixel cvMat.step[0], //bytesPerRow colorSpace, //colorspace kCGImageAlphaNone|kCGBitmapByteOrderDefault,// bitmap info provider, //CGDataProviderRef NULL, //decode false, //should interpolate kCGRenderingIntentDefault //intent ); // Getting UIImage from CGImage UIImage *finalImage = [UIImage imageWithCGImage:imageRef]; CGImageRelease(imageRef); CGDataProviderRelease(provider); CGColorSpaceRelease(colorSpace); return finalImage; } //由于OpenCV主要针对的是计算机视觉方面的处理，因此在函数库中，最重要的结构体是IplImage结构。 // NOTE you SHOULD cvReleaseImage() for the return value when end of the code. - (IplImage *)CreateIplImageFromUIImage:(UIImage *)image { // Getting CGImage from UIImage CGImageRef imageRef = image.CGImage; CGColorSpaceRef colorSpace = CGColorSpaceCreateDeviceRGB(); // Creating temporal IplImage for drawing IplImage *iplimage = cvCreateImage( cvSize(image.size.width,image.size.height), IPL_DEPTH_8U, 4 ); // Creating CGContext for temporal IplImage CGContextRef contextRef = CGBitmapContextCreate( iplimage->imageData, iplimage->width, iplimage->height, iplimage->depth, iplimage->widthStep, colorSpace, kCGImageAlphaPremultipliedLast|kCGBitmapByteOrderDefault ); // Drawing CGImage to CGContext CGContextDrawImage( contextRef, CGRectMake(0, 0, image.size.width, image.size.height), imageRef ); CGContextRelease(contextRef); CGColorSpaceRelease(colorSpace); // Creating result IplImage IplImage *ret = cvCreateImage(cvGetSize(iplimage), IPL_DEPTH_8U, 3); cvCvtColor(iplimage, ret, CV_RGBA2BGR); cvReleaseImage(&iplimage); return ret; } // NOTE You should convert color mode as RGB before passing to this function - (UIImage *)UIImageFromIplImage:(IplImage *)image { CGColorSpaceRef colorSpace = CGColorSpaceCreateDeviceRGB(); // Allocating the buffer for CGImage NSData *data = [NSData dataWithBytes:image->imageData length:image->imageSize]; CGDataProviderRef provider = CGDataProviderCreateWithCFData((__bridge CFDataRef)data); // Creating CGImage from chunk of IplImage CGImageRef imageRef = CGImageCreate( image->width, image->height, image->depth, image->depth * image->nChannels, image->widthStep, colorSpace, kCGImageAlphaNone|kCGBitmapByteOrderDefault, provider, NULL, false, kCGRenderingIntentDefault ); // Getting UIImage from CGImage UIImage *ret = [UIImage imageWithCGImage:imageRef]; CGImageRelease(imageRef); CGDataProviderRelease(provider); CGColorSpaceRelease(colorSpace); return ret; } #pragma mark - custom method // OSTU算法求出阈值 int Otsu(unsigned char* pGrayImg , int iWidth , int iHeight) { if((pGrayImg==0)||(iWidth<=0)||(iHeight<=0))return -1; int ihist[256]; int thresholdValue=0; // „–÷µ int n, n1, n2 ; double m1, m2, sum, csum, fmax, sb; int i,j,k; memset(ihist, 0, sizeof(ihist)); n=iHeight*iWidth; sum = csum = 0.0; fmax = -1.0; n1 = 0; for(i=0; i < iHeight; i++) { for(j=0; j < iWidth; j++) { ihist[*pGrayImg]++; pGrayImg++; } } pGrayImg -= n; for (k=0; k <= 255; k++) { sum += (double) k * (double) ihist[k]; } for (k=0; k <=255; k++) { n1 += ihist[k]; if(n1==0)continue; n2 = n - n1; if(n2==0)break; csum += (double)k *ihist[k]; m1 = csum/n1; m2 = (sum-csum)/n2; sb = (double) n1 *(double) n2 *(m1 - m2) * (m1 - m2); if (sb > fmax) { fmax = sb; thresholdValue = k; } } return(thresholdValue); } -(UIImage *)Grayimage:(UIImage *)srcimage{ UIImage *resimage; //openCV二值化过程： /* //1.Src的UIImage -> Src的IplImage IplImage* srcImage1 = [self CreateIplImageFromUIImage:srcimage]; //2.设置Src的IplImage的ImageROI int width = srcImage1->width; int height = srcImage1->height; printf("图片大小%d,%d\n",width,height); // 分割矩形区域 int x = 400; int y = 1100; int w = 1200; int h = 600; //cvSetImageROI:基于给定的矩形设置图像的ROI（感兴趣区域，region of interesting） cvSetImageROI(srcImage1, cvRect(x, y, w , h)); //3.创建新的dstImage1的IplImage，并复制Src的IplImage IplImage* dstImage1 = cvCreateImage(cvSize(w, h), srcImage1->depth, srcImage1->nChannels); //cvCopy:如果输入输出数组中的一个是IplImage类型的话，其ROI和COI将被使用。 cvCopy(srcImage1, dstImage1,0); //cvResetImageROI:释放基于给定的矩形设置图像的ROI（感兴趣区域，region of interesting） cvResetImageROI(srcImage1); resimage = [self UIImageFromIplImage:dstImage1]; */ //4.dstImage1的IplImage转换成cvMat形式的matImage cv::Mat matImage = [self cvMatFromUIImage:srcimage]; cv::Mat matGrey; //5.cvtColor函数对matImage进行灰度处理 //取得IplImage形式的灰度图像 cv::cvtColor(matImage, matGrey, CV_BGR2GRAY);// 转换成灰色 //6.使用灰度后的IplImage形式图像，用OSTU算法算阈值：threshold //IplImage grey = matGrey; resimage = [self UIImageFromCVMat:matGrey]; /* unsigned char* dataImage = (unsigned char*)grey.imageData; int threshold = Otsu(dataImage, grey.width, grey.height); printf("阈值：%d\n",threshold); //7.利用阈值算得新的cvMat形式的图像 cv::Mat matBinary; cv::threshold(matGrey, matBinary, threshold, 255, cv::THRESH_BINARY); //8.cvMat形式的图像转UIImage UIImage* image = [[UIImage alloc ]init]; image = [self UIImageFromCVMat:matBinary]; resimage = image; */ return resimage; } -(UIImage *)Erzhiimage:(UIImage *)srcimage{ UIImage *resimage; //openCV二值化过程： /* //1.Src的UIImage -> Src的IplImage IplImage* srcImage1 = [self CreateIplImageFromUIImage:srcimage]; //2.设置Src的IplImage的ImageROI int width = srcImage1->width; int height = srcImage1->height; printf("图片大小%d,%d\n",width,height); // // 分割矩形区域 int x = 400; int y = 1100; int w = 1200; int h = 600; //cvSetImageROI:基于给定的矩形设置图像的ROI（感兴趣区域，region of interesting） cvSetImageROI(srcImage1, cvRect(x, y, w , h)); //3.创建新的dstImage1的IplImage，并复制Src的IplImage IplImage* dstImage1 = cvCreateImage(cvSize(w, h), srcImage1->depth, srcImage1->nChannels); //cvCopy:如果输入输出数组中的一个是IplImage类型的话，其ROI和COI将被使用。 cvCopy(srcImage1, dstImage1,0); //cvResetImageROI:释放基于给定的矩形设置图像的ROI（感兴趣区域，region of interesting） cvResetImageROI(srcImage1); resimage = [self UIImageFromIplImage:dstImage1]; */ //4.dstImage1的IplImage转换成cvMat形式的matImage cv::Mat matImage = [self cvMatFromUIImage:srcimage]; cv::Mat matGrey; //5.cvtColor函数对matImage进行灰度处理 //取得IplImage形式的灰度图像 cv::cvtColor(matImage, matGrey, CV_BGR2GRAY);// 转换成灰色 //6.使用灰度后的IplImage形式图像，用OSTU算法算阈值：threshold IplImage grey = matGrey; unsigned char* dataImage = (unsigned char*)grey.imageData; int threshold = Otsu(dataImage, grey.width, grey.height); printf("阈值：%d\n",threshold); //7.利用阈值算得新的cvMat形式的图像 cv::Mat matBinary; cv::threshold(matGrey, matBinary, threshold, 255, cv::THRESH_BINARY); //8.cvMat形式的图像转UIImage UIImage* image = [[UIImage alloc ]init]; image = [self UIImageFromCVMat:matBinary]; resimage = image; return resimage; } @end

四：可能问题：

　　1.出现'list' file not found:   检查类名是否改成.mm了！还不行的话，在Build Phases 中加入库：libc++.dylib 试试。

　　2.arm64不支持的问题：在Building settings里Build Active Architecture Only改为No，然后下面Valid Architectures把arm64删了。

 

五：样例参考：有两个很好的例子，一个是二值，一个是图像匹配。

1.二值 https://github.com/zltqzj/ios_opencv_divide

2.图像匹配 https://github.com/jimple/OpenCVSample