C++基于opencv的视频质量检测--遮挡检测

文章目录

- 0.引言
- [1. 原始代码分析](#1. 原始代码分析)
- - [1.1 存在的问题](#1.1 存在的问题)
- [2. 优化方案](#2. 优化方案)
- [3. 优化后的代码](#3. 优化后的代码)
- [4. 代码详细解读](#4. 代码详细解读)
- - [4.1. 输入检查](#4.1. 输入检查)
  - [4.2. 图像预处理](#4.2. 图像预处理)
  - [4.3. 高斯模糊](#4.3. 高斯模糊)
  - [4.4. 梯度计算](#4.4. 梯度计算)
  - [4.5. 计算梯度幅值和方向](#4.5. 计算梯度幅值和方向)
  - [4.6. 边缘检测](#4.6. 边缘检测)
  - [4.7. 计算边缘密度](#4.7. 计算边缘密度)
  - [4.8. 估计遮挡程度](#4.8. 估计遮挡程度)
  - [4.9. 限定结果范围](#4.9. 限定结果范围)
  - [4.10. 返回结果](#4.10. 返回结果)

0.引言

视频质量遮挡检测已在C++基于opencv4的视频质量检测中有所介绍，本文将详细介绍其优化版本。

1. 原始代码分析

首先，我们来看遮挡检测的原始代码：

cpp 复制代码

#include <opencv2/opencv.hpp>
#include <vector>

/**
 * @brief 检测图像中的遮挡情况。
 * @param [in] srcImg 输入的图像
 * @return 返回一个double类型的数值，范围为0到1。数值越接近1，表示图像中的遮挡程度越高。
 */
double blockDetect(const cv::Mat& srcImg) {
    if (srcImg.empty()) {
        return -1.0;  // 如果输入图像为空，返回-1表示错误
    }

    cv::Mat grayImg, edges;
    cv::cvtColor(srcImg, grayImg, cv::COLOR_BGR2GRAY);
    cv::GaussianBlur(grayImg, grayImg, cv::Size(3, 3), 0);
    cv::Canny(grayImg, edges, 0, 0);

    std::vector<std::vector<cv::Point>> contours;
    std::vector<cv::Vec4i> hierarchy;

    // 初始轮廓检测
    cv::findContours(edges, contours, hierarchy, cv::RETR_CCOMP, cv::CHAIN_APPROX_SIMPLE);
    int initialContourCount = static_cast<int>(hierarchy.size());

    // 细化后的轮廓检测
    cv::Canny(grayImg, edges, 0, 15);
    cv::findContours(edges, contours, hierarchy, cv::RETR_CCOMP, cv::CHAIN_APPROX_SIMPLE);
    int refinedContourCount = static_cast<int>(hierarchy.size());

    // 防止除以零的情况
    if (initialContourCount == 0) {
        initialContourCount = 1;
    }

    double occlusionLevel = 1.0 - static_cast<double>(refinedContourCount) / static_cast<double>(initialContourCount);
    return occlusionLevel;
}

1.1 存在的问题

Canny边缘检测的阈值设置不合理 ：在Canny函数中，阈值设为0和0，以及0和15，这可能导致边缘检测结果不可靠。
错误处理不够明确 ：当输入图像为空时，返回-1.0，但这个值可能与正常的遮挡程度值混淆。

2. 优化方案

针对上述问题，我们对代码进行如下优化：

自适应阈值设置：根据图像的特性动态设置Canny边缘检测的阈值，提高边缘检测的可靠性。
提高代码可读性：增加详细的注释，使用更具描述性的变量名，提升代码的可读性和可维护性。
算法改进：使用Sobel算子计算梯度，基于边缘密度来判断遮挡程度，获得更准确的结果。

3. 优化后的代码

cpp 复制代码

#include <opencv2/opencv.hpp>
#include <vector>

/**
 * @brief 检测图像中的遮挡情况。
 * @param srcImg 输入的图像
 * @return 如果成功，返回一个介于0到1之间的double类型值，值越接近1表示遮挡程度越高；
 *         如果输入图像为空，返回-1.0。
 */
double occlusionDetect(const cv::Mat& srcImg) {
    if (srcImg.empty()) {
        // 输入图像为空
        return -1.0;
    }

    // 将图像转换为灰度图
    cv::Mat grayImg;
    if (srcImg.channels() == 3) {
        cv::cvtColor(srcImg, grayImg, cv::COLOR_BGR2GRAY);
    } else {
        grayImg = srcImg.clone();
    }

    // 对灰度图进行高斯模糊，减少噪声
    cv::GaussianBlur(grayImg, grayImg, cv::Size(5, 5), 0);

    // 使用Sobel算子计算梯度
    cv::Mat gradX, gradY;
    cv::Sobel(grayImg, gradX, CV_64F, 1, 0, 3);
    cv::Sobel(grayImg, gradY, CV_64F, 0, 1, 3);

    // 计算梯度幅值和方向
    cv::Mat magnitude, angle;
    cv::cartToPolar(gradX, gradY, magnitude, angle, true);

    // 对梯度幅值进行阈值化，得到边缘图
    double maxVal;
    cv::minMaxLoc(magnitude, nullptr, &maxVal);
    cv::Mat edges;
    cv::threshold(magnitude, edges, 0.1 * maxVal, 255, cv::THRESH_BINARY);

    // 计算边缘密度
    double edgeDensity = cv::countNonZero(edges) / static_cast<double>(edges.total());

    // 根据边缘密度估计遮挡程度（假设遮挡区域边缘密度较低）
    double occlusionLevel = 1.0 - edgeDensity;

    // 将结果限定在0到1之间
    occlusionLevel = std::clamp(occlusionLevel, 0.0, 1.0);

    return occlusionLevel;
}

4. 代码详细解读

是否开始输入图像是否为空返回 std::nullopt 转换为灰度图 grayImg 高斯模糊处理计算梯度 gradX 和 gradY 计算梯度幅值和方向获取最大值 maxVal 阈值化得到 edges 计算边缘密度 edgeDensity 计算遮挡程度 occlusionLevel 限定 occlusionLevel 在0到1之间返回 occlusionLevel

4.1. 输入检查

cpp 复制代码

if (srcImg.empty()) {
    return std::nullopt;
}

目的：确保输入的图像有效。
说明：如果输入图像为空，函数返回std::nullopt，明确表示错误状态。

4.2. 图像预处理

cpp 复制代码

cv::Mat grayImg;
if (srcImg.channels() == 3) {
    cv::cvtColor(srcImg, grayImg, cv::COLOR_BGR2GRAY);
} else {
    grayImg = srcImg.clone();
}

目的：将彩色图像转换为灰度图像。
说明：灰度图像降低了计算复杂度，适用于后续的梯度和边缘检测。

4.3. 高斯模糊

cpp 复制代码

cv::GaussianBlur(grayImg, grayImg, cv::Size(5, 5), 0);

目的：平滑图像，减少噪声对梯度计算的影响。
参数解释 ：
- cv::Size(5, 5)：高斯核的大小，可根据需要调整。
- 0：高斯核在x方向的标准差，设为0表示根据核大小自动计算。

4.4. 梯度计算

cpp 复制代码

cv::Mat gradX, gradY;
cv::Sobel(grayImg, gradX, CV_64F, 1, 0, 3);
cv::Sobel(grayImg, gradY, CV_64F, 0, 1, 3);

目的：计算图像在x和y方向的梯度。
参数解释 ：
- CV_64F：使用64位浮点型，确保梯度值的精度。
- 1, 0 和 0, 1：指定导数的阶数，分别计算x和y方向的一阶导数。
- 3：Sobel核的大小。

4.5. 计算梯度幅值和方向

cpp 复制代码

cv::Mat magnitude, angle;
cv::cartToPolar(gradX, gradY, magnitude, angle, true);

目的：将梯度的x和y分量转换为极坐标形式，得到梯度的幅值和方向。
参数解释 ：
- true：将角度值转换为度数（0-360），否则为弧度。

4.6. 边缘检测

cpp 复制代码

double maxVal;
cv::minMaxLoc(magnitude, nullptr, &maxVal);
cv::Mat edges;
cv::threshold(magnitude, edges, 0.1 * maxVal, 255, cv::THRESH_BINARY);

目的：通过阈值化梯度幅值，提取边缘。
步骤：
- 使用cv::minMaxLoc获取梯度幅值的最大值maxVal。
- 设定阈值为0.1 * maxVal，将高于此阈值的像素设为255（白色），其余设为0（黑色）。

4.7. 计算边缘密度

cpp 复制代码

double edgeDensity = cv::countNonZero(edges) / static_cast<double>(edges.total());

目的：计算边缘像素占总像素的比例。
说明：边缘密度反映了图像中边缘信息的丰富程度。

4.8. 估计遮挡程度

cpp 复制代码

double occlusionLevel = 1.0 - edgeDensity;

目的：根据边缘密度估计遮挡程度。
假设：遮挡区域的边缘密度较低，因此边缘密度越小，遮挡程度越高。

4.9. 限定结果范围

cpp 复制代码

occlusionLevel = std::clamp(occlusionLevel, 0.0, 1.0);

目的：确保遮挡程度在有效范围内。

4.10. 返回结果

cpp 复制代码

return occlusionLevel;

说明：返回的occlusionLevel为double类型，范围在0到1之间。
无遮挡图像 ：occlusionLevel值接近于0，表示遮挡程度低。
遮挡图像 ：occlusionLevel值接近于1，表示遮挡程度高。