wordpress站点全屏为网站开发软件

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：

#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

1. 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。

2. 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

#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

4.1. 输入检查

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

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

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

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

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

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

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

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

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

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。