Example/cv1.cpp at main · LemonHopeAT/Example · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
#include <opencv2/opencv.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
//#include <cmath>

using namespace cv;
using namespace std;

//алгоритм сегментации
int segment(Mat image, int pixel_color)
{
	//гистограмма
	int histogram[256];
	int k = 0;
	cv::Vec3b value = 0;
	for (int v = 0; v < 256; v++)
	{
		k = 0;
		for (int i = 1; i < image.rows - 1; i++)
		{
			for (int j = 1; j < image.cols - 1; j++)
			{
				value = image.at<cv::Vec3b>(i, j);
				if (value[pixel_color] >= 255) { value[pixel_color] = 255; }
				if (value[pixel_color] <= 0) { value[pixel_color] = 255; }
				if (value[pixel_color] == v)
				{
					k++;
					histogram[v] = k;
				}
			}
		}
	}

	int TresholdValue[255];
	int temp = 0, temp2 = 0, temp3 = 0, temp4 = 0, temp5 = 0, temp6 = 0;
	int size = (image.rows * image.cols);

	int BWeight = 0, BMean = 0, BVariance = 0;
	int FWeight = 0, FMean = 0, FVariance = 0;

	int T[256];
	int ClassVariance = 0;

	for (int i = 0; i < 256; i++)
	{
		//относительная частота
		temp = temp + histogram[i];
		BWeight = temp / size;

		//среднийе ровни
		temp2 = temp2 + (i * histogram[i]);
		if (temp == 0) { temp = 1; }
		BMean = temp2 / temp;

		//максимальное значение оценки качества раздееления изображения
		temp3 = temp3 + (sqrt(i - BMean) * histogram[i]);
		BVariance = temp3 / temp;

		for (int j = i + 1; j < 256; j++)
		{
			temp4 = temp4 + histogram[j];
			FWeight = temp4 / size;

			temp5 = temp5 + (j * histogram[j]);
			if (temp4 == 0) temp4 = 1;
			FMean = temp5 / temp4;

			temp6 = temp6 + (sqrt(j - FMean) * histogram[j]);
			FVariance = temp6 / temp4;
		}
		//классовая дисперсия
		ClassVariance = (BWeight * BVariance + FWeight * FVariance);
		T[i] = ClassVariance;
	}

	//находим максимальное значение оценки качества разделения изображения на две части
	int MinNumber = T[1], Threshold = 0;

	for (int b = 1; b < 255; b++)
	{
		if (T[b] < MinNumber)
		{
			MinNumber = T[b];
			Threshold = b;//порог
		}
	}

	return Threshold;
}

//вывод результата
Mat printImage(Mat image, int pixel_color, int Threshold)
{
	for (int i = 0; i < image.rows; i++)
	{
		for (int j = 0; j < image.cols; j++)
		{
			cv::Vec3b color = image.at<cv::Vec3b>(i, j);

			if (color[pixel_color] > Threshold)
			{
				image.at<Vec3b>(Point(j, i)) = Vec3b(255, 0, 0);
			}
			else
			{
				image.at<Vec3b>(Point(j, i)) = Vec3b(0, 255, 0);
			}

		}
	}
	return image;
}

int main(int argc, char** argv)
{
	int pixel_color = 2; // 0 - b; 1- g; 2 - r;

	VideoCapture cap;
	cap.open("F:/Documents/test/cv1/VRS.avi");
	cv::Mat image, frame;

	// check if we succeeded
	if (!cap.isOpened()) {
		cerr << "ERROR! Unable to open camera\n";
		return -1;
	}

	while (1)
	{
		cap.read(image);
		if (image.empty())
			break;

		// вызова алгоритма сегментации
		int Threshold = segment(image, pixel_color);

		//рисуем итог
		frame = printImage(image, pixel_color, Threshold);

		imshow("Live", frame);

		if (waitKey(5) >= 0)
			break;
	}
}