Qt5&opencv3.2 Canny边缘检测+Houg

省电赛需求，要在单片机平台上使用摄像头模组采集图像，通过串口通信或者其他通信方式传输到上位机，由上位机来识别并发送指令给下位机。识别目标是绿色的未成熟柚子，如下图。通过颜色的识别是不太现实的了，但幸好柚子形状近似圆形，所以想到通过使用Hough变换检测圆，从而检测柚子。

用来模拟在树上的未成熟柚子

1.硬件平台

• STM32F103ZET6单片机
• OV7670带FIFO摄像头模组，最高支持320*240分辨率
• 一台有USB接口的电脑

2.上位机软件

我使用Qt进行开发。这个我个人还是比较有经验的。这里主要是RGB565转RGB888编码算法和串口通信的编写。
RGB565是一种颜色编码方式，相对于一般的RGB888（红绿蓝各8位，三个字节）的存储方式更节省空间，一般用在存储空间比较少的场合,比如嵌入式系统。她可以存储256*256=65536种颜色，图片质量相比而言不会受到太大影响。

RGB565

• RGB565转RGB888的主要思路是截取有效的5/6/5位，然后通过左移和右移使其实际只有8位（高8位为0），最后拼接到代表RGB888编码的uint类型变量。

/************颜色编码转换*************/
#define RGB888_RED      0x00ff0000
#define RGB888_GREEN    0x0000ff00
#define RGB888_BLUE     0x000000ff

#define RGB565_RED      0xf800
#define RGB565_GREEN    0x07e0
#define RGB565_BLUE     0x001f


//编码转换
unsigned short RGB888ToRGB565(unsigned int n888Color)
{
    unsigned short n565Color = 0;

    // 获取RGB单色，并截取高位
    unsigned char cRed   = (n888Color & RGB888_RED)   >> 19;
    unsigned char cGreen = (n888Color & RGB888_GREEN) >> 10;
    unsigned char cBlue  = (n888Color & RGB888_BLUE)  >> 3;

    // 连接
    n565Color = (cRed << 11) + (cGreen << 5) + (cBlue << 0);
    return n565Color;
}

unsigned int RGB565ToRGB888(unsigned short n565Color)
{
    unsigned int n888Color = 0;

    // 获取RGB单色，并填充低位
    unsigned char cRed   = (n565Color & RGB565_RED)    >> 8;
    unsigned char cGreen = (n565Color & RGB565_GREEN)  >> 3;
    unsigned char cBlue  = (n565Color & RGB565_BLUE)   << 3;

    // 连接
    n888Color = (cRed << 16) + (cGreen << 8) + (cBlue << 0);
    return n888Color;
}

• 在MainWindow种初始化一些参数

MainWindow::MainWindow(QWidget *parent) :
    QMainWindow(parent),
    ui(new Ui::MainWindow)
{

    ui->setupUi(this);
    //初始化时获取可用的串口
    initSerialPort();
    //创建一个串口对象
    tc = QTextCodec::codecForName("GBK");   //支持汉字编码
    serial = new QSerialPort;
    //当串口准备好读数据时，调用读取数据的函数
    connect(serial,SIGNAL(readyRead()),this,SLOT(readSerialData()));
    //接收数据框设置为只读模式
  //  ui->textEdit->setReadOnly(true);

    //初始化波特率,默认921600
    baudBox=new QComboBox;
    QStringList baudItems;
    baudItems<<"1382400"<<"921600"<<"46080"<<"256000"<<"230400"
             <<"128000"<<"115200"<<"76800"<<"57600"<<"43000"<<"38400"<<"19200"
             <<"14400"<<"9600"<<"4800"<<"2400"<<"1200";
    ui->baudBox->addItems(baudItems);
    ui->baudBox->setCurrentIndex(1);

    ui->sendButton->setEnabled(false);//开启串口之前限制发送按钮
}

• 不断刷新串口列表

//鼠标点击刷新当前存在的串口
void MainWindow::mousePressEvent(QMouseEvent *e)
{
    serial->clear();     //清掉所有串口，重新检测当前串口
    ui->portBox->clear();//删除当前所以已经存在的串口号
    initSerialPort();
}

void MainWindow::initSerialPort()
{
    QList<QSerialPortInfo>  infos = QSerialPortInfo::availablePorts();
    if(infos.isEmpty())
    {
      //  QMessageBox::information(this,"提示信息","当前没有可用的串口");
        return;
    }
    //将搜索串口号添加到下拉列表中
    foreach (QSerialPortInfo info, infos)
    {
        ui->portBox->addItem(info.portName());
    }
}

• 打开串口时根据下拉框的参数进行初始化

//打开或者关闭串口
void MainWindow::on_openSerialButton_toggled(bool checked)
{
    if(ui->connectPushButton->text() == "断开")
    {
        QMessageBox::information(this,"提示信息","请关闭WIFI连接");
        return;
    }
    //这里可以输出一些串口出错的信息
    if(serial->error()==serial->DeviceNotFoundError)
    {
        QMessageBox::information(this,"提示信息","串口打开失败");
        return;
    }
    if(checked)
    {
        ui->openSerialButton->setText(tr("关闭串口"));
        //设置串口名
        serial->setPortName(ui->portBox->currentText());
        //打开串口
        serial->open(QIODevice::ReadWrite);
        //设置波特率
        serial->setBaudRate(ui->baudBox->currentText().toInt());
        //设置数据位
        serial->setDataBits(QSerialPort::Data8);
        //设置奇偶校验
        serial->setParity(QSerialPort::NoParity);
         //设置停止位
        serial->setStopBits(QSerialPort::OneAndHalfStop);

        //关闭串口设置按钮，使能数据发送按钮
        ui->portBox->setEnabled(false);
        ui->baudBox->setEnabled(false);
        ui->sendButton->setEnabled(true);
    }

    else
    {
        ui->openSerialButton->setText(tr("打开串口"));
        //关闭串口
        serial->clear();
        serial->close();
        //使能串口设置按钮，关闭数据发送按钮
        ui->portBox->setEnabled(true);
        ui->baudBox->setEnabled(true);
        ui->sendButton->setEnabled(false);

    }
}

• 读取和清除

//串口读取数据
void MainWindow::readSerialData()
{
//接收的时候要将QByteArray转换成String才能够方便的显示在textEdit中
    QByteArray buf;
    buf=serial->readAll();
    if(buf!=NULL)
    {
        data+=(tc->toUnicode(buf));
    }
    buf.clear();
}

//清除数据接收区的数据
void MainWindow::on_clearDataButton_clicked()
{
    data.clear();
    random_color();
    ui->leftLabel->setText("柚子呢？");
    ui->rightLabel->setText("柚子呢？");
    update();
   // ui->textEdit->clear();
}

3.图像识别

由于不需要颜色信息，我在OV7670模式选择中使用黑白模式，这样噪点会比较少

原始图像

• 有时依旧会有不少噪点，先来一发高斯模糊再说

//读取图像并定义处理过程中使用的Mat
Mat originalImageL =imread("/original_left.png");
Mat cannyImageL;
Mat closeImageL;
Mat contoursImageL = Mat::zeros(originalImageL.size(),CV_8U);;
vector<vector<Point>> contoursL;
Mat outputImageL = originalImageL.clone();

//滤波去除噪点
GaussianBlur(originalImageL,originalImageL,cv::Size(BLUR_SIZE,BLUR_SIZE),1.5);

cv::Size(BLUR_SIZE,BLUR_SIZE)是卷积核的大小,最后一个参数是高斯函数的σ。效果如下，稍微有点糊但无伤大雅。

高斯模糊去噪

• Canny边缘检测。参数要多次尝试

//Canny边缘检测
Canny(originalImageL,cannyImageL,CANNY_VAR/2,CANNY_VAR);

Canny算子通常基于Soble算子。通过一个高阈值的Sobel和低阈值的Sobel综合考量可以得到比较令人满意的结果。柚子的大概轮廓出来了，虽然周围的树叶的轮廓会对识别有干扰，但没关系。

Canny

• 闭运算去除细小纹理

//结构元素
Mat element5(M_R_SIZE,M_R_SIZE,CV_8U,cv::Scalar(1));
morphologyEx(cannyImageL,closeImageL,MORPH_CLOSE,element5);

闭运算的定义是对图像先膨胀后腐蚀。比结构元素小的空隙和间隙会被闭合滤波器消除。可以看到柚子周围的小轮廓基本消除了。

Close

闭运算的定义是对图像先膨胀后腐蚀。比结构元素小的空隙和间隙会被闭合滤波器消除。

• 提取连续区域中的轮廓（非必需）

findContours(closeImageL,contoursL, CV_RETR_LIST,CV_CHAIN_APPROX_NONE);
drawContours(contoursImageL, contoursL, -1, Scalar(255, 0, 255));

第三个参数使用CV_RETR_LIST 指提取所有轮廓。其他的值可以提取其中的层次结构，这里不介绍。经实验发现这一步可以略过，但加上的话更加直观。

findContours

• Hough变换检测圆形

std::vector<cv::Vec3f> circlesL;
HoughCircles(contoursImageL,circlesL,HOUGH_GRADIENT,2,CIRCLES_BAR,
             CANNY_VAR,HOUGH_STD,R_MIN,R_MAX);
std::vector<cv::Vec3f>::const_iterator itcL = circlesL.begin();
while(itcL!=circlesL.end())
{
   cv::circle(outputImageL,cv::Point((*itcL)[0],(*itcL)[1]),(*itcL)[2],
              cv::Scalar(188),4);
        cout << cv::Point((*itcL)[0],(*itcL)[1]) << (*itcL)[2] <<endl;
        ++itcL;
}

HoughCircles这个函数比较有意思，有必要看看函数原型。

void HoughCircles( InputArray image, OutputArray circles,
                   int method, double dp, double minDist,
                   double param1 = 100, double param2 = 100,
                   int minRadius = 0, int maxRadius = 0 );

源码中参数解释的翻译大概如下

---

§ method 使用的检测方法，一般使用霍夫梯度法，它的标识符为CV_HOUGH_GRADIENT
§ dp 用来检测圆心的累加器图像的分辨率于输入图像之比的倒数
§ minDist 圆之间最小的距离
§ param1 第三个参数 method设置的检测方法的对应的第一个参数，对于CV_HOUGH_GRADIENT为传递给canny边缘检测算子的高阈值
§ param2 第三个参数 method设置的检测方法的对应的第二个参数，表示在检测阶段圆心的累加器阈值，越低检测出的圆越多
§ minRadius 圆最小半径
§ minRadius 圆最大半径

---

参数method设为 CV_HOUGH_GRADIENT，dp 设为2 即可。在原图像上使用迭代器画出所有圆形，效果如下

输出结果
mission completed!

4.经验总结

• 在背景过于复杂的情况下，可以将图片转为HSV色域并且使用掩膜的方式将绿色的柚子和树叶分割出来。这里没有使用。
• 一系列操作都是一些比较基础的算法，但需要一些经验去选择和去调参。
• 要考虑摄像头和灯光等硬件因素