src/ShapeRecognition/ShapeRec_FeatureDetector.cxx

   1 // Copyright (C) 2007-2016  CEA/DEN, EDF R&D, OPEN CASCADE
   2 //
   3 // Copyright (C) 2003-2007  OPEN CASCADE, EADS/CCR, LIP6, CEA/DEN,
   4 // CEDRAT, EDF R&D, LEG, PRINCIPIA R&D, BUREAU VERITAS
   5 //
   6 // This library is free software; you can redistribute it and/or
   7 // modify it under the terms of the GNU Lesser General Public
   8 // License as published by the Free Software Foundation; either
   9 // version 2.1 of the License, or (at your option) any later version.
  10 //
  11 // This library is distributed in the hope that it will be useful,
  12 // but WITHOUT ANY WARRANTY; without even the implied warranty of
  13 // MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  14 // Lesser General Public License for more details.
  15 //
  16 // You should have received a copy of the GNU Lesser General Public
  17 // License along with this library; if not, write to the Free Software
  18 // Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307 USA
  19 //
  20 // See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
  21 //
  22
  23 // File   : ShapeRec_FeatureDetector.cxx
  24 // Author : Renaud NEDELEC, Open CASCADE S.A.S.
  25
  26 #include "ShapeRec_FeatureDetector.hxx"
  27 #include <stdio.h>
  28 #include "utilities.h"
  29
  30 // TODO : All the following methods but ComputeContours use the C API of OpenCV while ComputContours
  31 // uses the C++ API of the library.
  32 // This should be homogenized and preferably by using the C++ API (which is more recent for all the methods
  33
  34 // The code has to be "cleaned up" too
  35
  36 /*!
  37   Constructor
  38   \param theFilename - image to process
  39 */
  40 ShapeRec_FeatureDetector::ShapeRec_FeatureDetector():
  41   corners()
  42 {
  43   cornerCount = 2000;
  44   rect=cvRect(0,0,0,0);
  45   imagePath = ""; //theFilename;
  46   // Store the dimensions of the picture
  47   imgHeight = 0;
  48   imgWidth  = 0;
  49 }
  50
  51 /*!
  52   Sets the path of the image file to be processed
  53   \param thePath - Location of the image file
  54 */
  55 void ShapeRec_FeatureDetector::SetPath( const std::string& thePath )
  56 {
  57   imagePath = thePath;
  58   if (imagePath != "")
  59   {
  60     IplImage* src = cvLoadImage(imagePath.c_str(),CV_LOAD_IMAGE_COLOR);
  61     imgHeight = src->height;
  62     imgWidth = src->width;
  63     cvReleaseImage(&src);
  64   }
  65 }
  66
  67 /*!
  68   Computes the corners of the image located at imagePath
  69 */
  70 void ShapeRec_FeatureDetector::ComputeCorners( bool useROI, ShapeRec_Parameters* parameters )
  71 {
  72   ShapeRec_CornersParameters* aCornersParameters = dynamic_cast<ShapeRec_CornersParameters*>( parameters );
  73   if ( !aCornersParameters ) aCornersParameters = new  ShapeRec_CornersParameters();
  74
  75   // Images to be used for detection
  76   IplImage *eig_img, *temp_img, *src_img_gray;
  77
  78   // Load image
  79   src_img_gray = cvLoadImage (imagePath.c_str(), CV_LOAD_IMAGE_GRAYSCALE);
  80
  81   if ( useROI )
  82   {
  83     // If a ROI as been set use it for detection
  84     cvSetImageROI( src_img_gray, rect );
  85   }
  86
  87   eig_img = cvCreateImage (cvGetSize (src_img_gray), IPL_DEPTH_32F, 1);
  88   temp_img = cvCreateImage (cvGetSize (src_img_gray), IPL_DEPTH_32F, 1);
  89   corners = (CvPoint2D32f *) cvAlloc (cornerCount * sizeof (CvPoint2D32f));
  90
  91   // image height and width
  92   imgHeight = src_img_gray->height;
  93   imgWidth  = src_img_gray->width;
  94
  95   // Corner detection using cvCornerMinEigenVal
  96   // (one of the methods available inOpenCV, there is also a cvConerHarris method that can be used by setting a flag in cvGoodFeaturesToTrack)
  97   cvGoodFeaturesToTrack (src_img_gray, eig_img, temp_img, corners, &cornerCount, aCornersParameters->qualityLevel, aCornersParameters->minDistance);
  98   cvFindCornerSubPix (src_img_gray, corners, cornerCount, cvSize (aCornersParameters->kernelSize, aCornersParameters->kernelSize), cvSize (-1, -1),
  99                       cvTermCriteria (aCornersParameters->typeCriteria, aCornersParameters->maxIter, aCornersParameters->epsilon));
 100
 101   cvReleaseImage (&eig_img);
 102   cvReleaseImage (&temp_img);
 103   cvReleaseImage (&src_img_gray);
 104
 105 }
 106
 107 /*!
 108   Computes the contours of the image located at imagePath
 109 */
 110 bool ShapeRec_FeatureDetector::ComputeContours( bool useROI, ShapeRec_Parameters* parameters )
 111 {
 112   // Initialising images
 113   cv::Mat src, src_gray;
 114   cv::Mat detected_edges;
 115
 116   // Read image
 117   src = cv::imread( imagePath.c_str() );
 118   if( !src.data )
 119     return false;
 120
 121   if ( !useROI )   // CANNY: The problem is that with that filter the detector detects double contours
 122   {
 123     // Convert the image to grayscale
 124     if (src.channels() == 3)
 125       cv::cvtColor( src, src_gray, CV_BGR2GRAY );
 126     else if (src.channels() == 1)
 127       src_gray = src;
 128
 129     ShapeRec_CannyParameters* aCannyParameters = dynamic_cast<ShapeRec_CannyParameters*>( parameters );
 130     if ( !aCannyParameters ) aCannyParameters = new ShapeRec_CannyParameters();
 131
 132     // Reduce noise
 133     blur( src_gray, detected_edges, cv::Size( aCannyParameters->kernelSize, aCannyParameters->kernelSize ) );
 134     // Canny detector
 135     Canny( detected_edges, detected_edges, aCannyParameters->lowThreshold, aCannyParameters->lowThreshold * aCannyParameters->ratio,
 136            aCannyParameters->kernelSize, aCannyParameters->L2gradient );
 137   }
 138   else //COLORFILTER
 139   {
 140     // Load the input image where we want to detect contours
 141     IplImage* input_image = cvLoadImage(imagePath.c_str(),CV_LOAD_IMAGE_COLOR);
 142
 143     ShapeRec_ColorFilterParameters* aColorFilterParameters = dynamic_cast<ShapeRec_ColorFilterParameters*>( parameters );
 144     if ( !aColorFilterParameters ) aColorFilterParameters = new ShapeRec_ColorFilterParameters();
 145
 146     // Reduce noise
 147     cvSmooth( input_image, input_image, CV_GAUSSIAN, aColorFilterParameters->smoothSize, aColorFilterParameters->smoothSize );
 148
 149     // Crop the image to the selected part only (sample_image)
 150     cvSetImageROI(input_image, rect);
 151     IplImage* sample_image = cvCreateImage(cvGetSize(input_image),
 152                                            input_image->depth,
 153                                            input_image->nChannels);
 154     cvCopy(input_image, sample_image, NULL);
 155     cvResetImageROI(input_image);
 156
 157     IplImage* sample_hsv = cvCreateImage( cvGetSize(sample_image),8,3 );
 158     IplImage* sample_h_plane  = cvCreateImage( cvGetSize(sample_image), 8, 1 );
 159     IplImage* sample_s_plane = cvCreateImage( cvGetSize(sample_image), 8, 1 );
 160     CvHistogram* sample_hist;
 161
 162     cvCvtColor(sample_image, sample_hsv, CV_BGR2HSV);
 163
 164     cvCvtPixToPlane(sample_hsv, sample_h_plane, sample_s_plane, 0, 0);
 165     IplImage* sample_planes[] = { sample_h_plane, sample_s_plane };
 166
 167     // Create the hue / saturation histogram of the SAMPLE image.
 168     // This histogramm will be representative of what is the zone
 169     // we want to find the frontier of. Indeed, the sample image is meant to
 170     // be representative of this zone
 171     float hranges[] = { 0, 180 };
 172     float sranges[] = { 0, 256 };
 173     float* ranges[] = { hranges, sranges };
 174     sample_hist = cvCreateHist( 2, aColorFilterParameters->histSize, aColorFilterParameters->histType, ranges );
 175
 176     //calculate hue /saturation histogram
 177     cvCalcHist(sample_planes, sample_hist, 0 ,0);
 178
 179 //   // TEST print of the histogram for debugging
 180 //   IplImage* hist_image = cvCreateImage(cvSize(320,300),8,3);
 181 //
 182 //   //draw hist on hist_test image.
 183 //   cvZero(hist_image);
 184 //   float max_value = 0;
 185 //   cvGetMinMaxHistValue(hist, 0 , &max_value, 0, 0);
 186 //   int bin_w = hist_image->width/size_hist;
 187 //   for(int i = 0; i < size_hist; i++ )
 188 //   {
 189 //     //prevent overflow
 190 //     int val = cvRound( cvGetReal1D(hist->bins,i)*hist_image->
 191 //     height/max_value);
 192 //     CvScalar color = CV_RGB(200,0,0);
 193 //     //hsv2rgb(i*180.f/size_hist);
 194 //     cvRectangle( hist_image, cvPoint(i*bin_w,hist_image->height),
 195 //     cvPoint((i+1)*bin_w,hist_image->height - val),
 196 //     color, -1, 8, 0 );
 197 //   }
 198 //
 199 //
 200 //   cvNamedWindow("hist", 1); cvShowImage("hist",hist_image);
 201
 202
 203     // Calculate the back projection of hue and saturation planes of the INPUT image
 204     // by mean of the histogram of the SAMPLE image.
 205     //
 206     // The pixels which (h,s) coordinates correspond to high values in the histogram
 207     // will have high values in the grey image result. It means that a pixel of the INPUT image
 208     // which is more probably in the zone represented by the SAMPLE image, will be whiter
 209     // in the back projection.
 210     IplImage* backproject = cvCreateImage(cvGetSize(input_image), 8, 1);
 211     IplImage* binary_backproject = cvCreateImage(cvGetSize(input_image), 8, 1);
 212     IplImage* input_hsv = cvCreateImage(cvGetSize(input_image),8,3);
 213     IplImage* input_hplane = cvCreateImage(cvGetSize(input_image),8,1);
 214     IplImage* input_splane = cvCreateImage(cvGetSize(input_image),8,1);
 215
 216     // Get hue and saturation planes of the INPUT image
 217     cvCvtColor(input_image, input_hsv, CV_BGR2HSV);
 218     cvCvtPixToPlane(input_hsv, input_hplane, input_splane, 0, 0);
 219     IplImage* input_planes[] = { input_hplane, input_splane };
 220
 221     // Compute the back projection
 222     cvCalcBackProject(input_planes, backproject, sample_hist);
 223
 224     // Threshold in order to obtain a binary image
 225     cvThreshold(backproject, binary_backproject, aColorFilterParameters->threshold, aColorFilterParameters->maxThreshold, CV_THRESH_BINARY);
 226     cvReleaseImage(&sample_image);
 227     cvReleaseImage(&sample_hsv);
 228     cvReleaseImage(&sample_h_plane);
 229     cvReleaseImage(&sample_s_plane);
 230     cvReleaseImage(&input_image);
 231     cvReleaseImage(&input_hsv);
 232     cvReleaseImage(&input_hplane);
 233     cvReleaseImage(&input_splane);
 234     cvReleaseImage(&backproject);
 235
 236     detected_edges = cv::Mat(binary_backproject);
 237   }
 238   // else if ( detection_method == RIDGE_DETECTOR )  // Method adapted for engineering drawings (e.g. watershed functionality could be used here cf.OpenCV documentation and samples)
 239   // {
 240   //   // TODO
 241   //   return false;
 242   // }
 243
 244   //  _detectAndRetrieveContours( detected_edges, parameters->findContoursMethod );
 245   detected_edges = detected_edges > 1;
 246   findContours( detected_edges, contours, hierarchy, CV_RETR_CCOMP, parameters->findContoursMethod);
 247
 248   return true;
 249
 250 }
 251
 252 /*!
 253   Computes the lines in the image located at imagePath
 254 */
 255 bool ShapeRec_FeatureDetector::ComputeLines(){
 256   MESSAGE("ShapeRec_FeatureDetector::ComputeLines()")
 257   // Initialising images
 258   cv::Mat src, src_gray, detected_edges, dst;
 259
 260   src=cv::imread(imagePath.c_str(), 0);
 261
 262   Canny( src, dst, 50, 200, 3 );
 263   HoughLinesP( dst, lines, 1, CV_PI/180, 80, 30, 10 );
 264   return true;
 265
 266 }
 267
 268 /*!
 269   Stores a region of interest given by user in rect
 270   \param theRect - Region Of Interest of the image located at imagePath
 271 */
 272 void ShapeRec_FeatureDetector::SetROI( const QRect& theRect )
 273 {
 274   if (!theRect.isEmpty()){
 275     rect = cvRect(theRect.x(),theRect.y(),theRect.width(),theRect.height());
 276   }
 277 }
 278
 279 /*!
 280   Crops the image located at imagePath to the region of interest given by the user via SetROI
 281   and stores the result in /tmp
 282   \param theRect - Region Of Interest of the image located at imagePath
 283 */
 284 std::string ShapeRec_FeatureDetector::CroppImage()
 285 {
 286   IplImage* src = cvLoadImage(imagePath.c_str(),CV_LOAD_IMAGE_COLOR);
 287
 288   cvSetImageROI(src, rect);
 289   IplImage* cropped_image = cvCreateImage(cvGetSize(src),
 290                                           src->depth,
 291                                           src->nChannels);
 292   cvCopy(src, cropped_image, NULL);
 293   cvResetImageROI(src);
 294
 295   cvSaveImage ("/tmp/cropped_image.bmp", cropped_image);
 296
 297   cvReleaseImage(&src);
 298   cvReleaseImage(&cropped_image);
 299
 300   return "/tmp/cropped_image.bmp";
 301 }
 302
 303 /*!
 304   \class ShapeRec_CornersParameters
 305   \brief Parameters for the corners detection
 306 */
 307 ShapeRec_CornersParameters::ShapeRec_CornersParameters()
 308 {
 309   qualityLevel = 0.2;
 310   minDistance = 1;
 311   typeCriteria = CV_TERMCRIT_ITER | CV_TERMCRIT_EPS;
 312   maxIter = 20;
 313   epsilon = 0.03;
 314 }
 315 ShapeRec_CornersParameters::~ShapeRec_CornersParameters()
 316 {
 317 }
 318
 319 /*!
 320   \class ShapeRec_Parameters
 321   \brief Parameters for the contour/corners detection
 322 */
 323 ShapeRec_Parameters::ShapeRec_Parameters()
 324 {
 325   kernelSize = 3;
 326   findContoursMethod = CV_CHAIN_APPROX_NONE;
 327 }
 328 ShapeRec_Parameters::~ShapeRec_Parameters()
 329 {
 330 }
 331
 332 /*!
 333   \class ShapeRec_CannyParameters
 334   \brief Parameters for the contour detection
 335 */
 336 ShapeRec_CannyParameters::ShapeRec_CannyParameters()
 337 {
 338   lowThreshold = 100; // is used for edge linking.
 339   ratio = 3;          // lowThreshold*ratio is used to find initial segments of strong edges
 340   L2gradient = true;  // norm L2 or L1
 341 }
 342
 343 ShapeRec_CannyParameters::~ShapeRec_CannyParameters()
 344 {
 345 }
 346
 347 /*!
 348   \class ShapeRec_ColorFilterParameters
 349   \brief Parameters for the contour detection
 350 */
 351 ShapeRec_ColorFilterParameters::ShapeRec_ColorFilterParameters()
 352 {
 353   smoothSize = 3;           // The parameter of the smoothing operation, the aperture width. Must be a positive odd number
 354   histSize = new int[2];    // array of the histogram dimension sizes
 355   histSize[0] = 30;         // hbins
 356   histSize[1] = 32;         // sbins
 357   histType = CV_HIST_ARRAY; // histogram representation format
 358   threshold = 128;          // threshold value
 359   maxThreshold = 255;       // maximum value to use with the THRESH_BINARY thresholding types
 360 }
 361
 362 ShapeRec_ColorFilterParameters::~ShapeRec_ColorFilterParameters()
 363 {
 364 }