src/ShapeRecognition/ShapeRec_FeatureDetector.cxx

   1 // Copyright (C) 2007-2011  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.
  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 // File   : ShapeRec_FeatureDetector.cxx
  23 // Author : Renaud NEDELEC, Open CASCADE S.A.S.
  24
  25 #include "ShapeRec_FeatureDetector.hxx"
  26 #include <stdio.h>
  27 #include "utilities.h"
  28
  29 using namespace cv;
  30
  31 //TODO : All the following methods but ComputeContours use the C API of OpenCV while ComputContours
  32 // uses the C++ API of the library.
  33 // This should be homogenized and preferably by using the C++ API (which is more recent for all the methods
  34
  35 // The code has to be "cleaned up" too
  36
  37 /*!
  38   Constructor
  39   \param theFilename - image to process
  40 */
  41 ShapeRec_FeatureDetector::ShapeRec_FeatureDetector(const std::string& theFilename):
  42   corners()
  43 {
  44   cornerCount = 2000;
  45   rect=cvRect(0,0,0,0);
  46   imagePath = theFilename;
  47   // Store the dimensions of the picture
  48   IplImage* bg_img = cvLoadImage (imagePath.c_str(), CV_LOAD_IMAGE_GRAYSCALE);
  49   imgHeight = bg_img->height;
  50   imgWidth  = bg_img->width;
  51 }
  52
  53 /*!
  54   Computes the corners of the image located at imagePath
  55 */
  56 void ShapeRec_FeatureDetector::ComputeCorners(){
  57
  58   // Parameters for the corner detection
  59   double qualityLevel = 0.2;
  60   double minDistance = 1;
  61
  62   // Images to be used for detection
  63   IplImage *eig_img, *temp_img, *src_img_gray;
  64
  65   // Load image
  66   src_img_gray = cvLoadImage (imagePath.c_str(), CV_LOAD_IMAGE_GRAYSCALE);
  67
  68   if ( rect.width > 1 )
  69   {
  70     // If a ROI as been set use it for detection
  71     cvSetImageROI( src_img_gray, rect );
  72   }
  73
  74   eig_img = cvCreateImage (cvGetSize (src_img_gray), IPL_DEPTH_32F, 1);
  75   temp_img = cvCreateImage (cvGetSize (src_img_gray), IPL_DEPTH_32F, 1);
  76   corners = (CvPoint2D32f *) cvAlloc (cornerCount * sizeof (CvPoint2D32f));
  77
  78   // image height and width
  79   imgHeight = src_img_gray->height;
  80   imgWidth  = src_img_gray->width;
  81
  82   // Corner detection using cvCornerMinEigenVal
  83   // (one of the methods available inOpenCV, there is also a cvConerHarris method that can be used by setting a flag in cvGoodFeaturesToTrack)
  84   cvGoodFeaturesToTrack (src_img_gray, eig_img, temp_img, corners, &cornerCount, /*quality-level=*/qualityLevel, /*min-distance=*/minDistance);
  85   cvFindCornerSubPix (src_img_gray, corners, cornerCount,
  86                     cvSize (3, 3), cvSize (-1, -1), cvTermCriteria (CV_TERMCRIT_ITER | CV_TERMCRIT_EPS, 20, 0.03));
  87
  88   cvReleaseImage (&eig_img);
  89   cvReleaseImage (&temp_img);
  90   cvReleaseImage (&src_img_gray);
  91
  92 }
  93
  94 /*!
  95   Computes the contours of the image located at imagePath
  96 */
  97 bool ShapeRec_FeatureDetector::ComputeContours( int detection_method ){
  98
  99   // Initialising images
 100   Mat src, src_gray;
 101   Mat detected_edges;
 102
 103   // Read image
 104   src = imread( imagePath.c_str() );
 105   if( !src.data )
 106     return false;
 107
 108   if ( detection_method == CANNY )   // The problem is that with that filter the detector detects double contours
 109   {
 110     // Thresholds for Canny detector
 111     int lowThreshold = 100;
 112     int ratio = 3;
 113     int kernel_size = 3; // 3,5 or 7
 114
 115     // Convert the image to grayscale
 116     if (src.channels() == 3)
 117       cvtColor( src, src_gray, CV_BGR2GRAY );
 118     else if (src.channels() == 1)
 119       src_gray = src;
 120
 121     // Reduce noise with a kernel 3x3
 122     blur( src_gray, detected_edges, Size(3,3) );
 123     // Canny detector
 124     Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size, /*L2gradient =*/true );
 125   }
 126   else if ( detection_method == COLORFILTER )
 127   {
 128     if ( !rect.width > 1 )
 129       return false;
 130     detected_edges = _colorFiltering();
 131   }
 132   else if ( detection_method == RIDGE_DETECTOR )  // Method adapted for engineering drawings (e.g. watershed functionnality could be used here cf.OpenCV documentation and samples)
 133   {
 134     // TODO
 135     return false;
 136   }
 137   _detectAndRetrieveContours( detected_edges );
 138
 139   return true;
 140
 141 }
 142
 143 /*!
 144   Computes the lines in the image located at imagePath
 145 */
 146 bool ShapeRec_FeatureDetector::ComputeLines(){
 147   MESSAGE("ShapeRec_FeatureDetector::ComputeLines()")
 148   // Initialising images
 149   Mat src, src_gray, detected_edges, dst;
 150
 151   src=imread(imagePath.c_str(), 0);
 152
 153   Canny( src, dst, 50, 200, 3 );
 154   HoughLinesP( dst, lines, 1, CV_PI/180, 80, 30, 10 );
 155   return true;
 156
 157 }
 158
 159 /*!
 160   Stores a region of interest given by user in rect
 161   \param theRect - Region Of Interest of the image located at imagePath
 162 */
 163 void ShapeRec_FeatureDetector::SetROI( const QRect& theRect )
 164 {
 165   if (!theRect.isEmpty()){
 166     rect = cvRect(theRect.x(),theRect.y(),theRect.width(),theRect.height());
 167   }
 168 }
 169
 170 /*!
 171   Performs contours detection and store them in contours
 172   \param src - src image to find contours of
 173 */
 174 void ShapeRec_FeatureDetector::_detectAndRetrieveContours( Mat src )
 175 {
 176   src = src > 1;
 177   int method = CV_CHAIN_APPROX_NONE;
 178   findContours( src, contours, hierarchy,CV_RETR_CCOMP, method);
 179   // Other possible approximations CV_CHAIN_APPROX_TC89_KCOS, CV_CHAIN_APPROX_TC89_L1, CV_CHAIN_APPROX_SIMPLE cf. OpenCV documentation
 180   // for precise information
 181 }
 182
 183 /*!
 184   Performs color filtering from the image sample contained in the ROI rect of the image
 185   located at imagePath
 186   Thresholds the result in order ot obtain a binary image
 187   \return binary image resulting from filtering and thersholding
 188 */
 189 Mat ShapeRec_FeatureDetector::_colorFiltering()
 190 {
 191   IplImage* find_image = cvLoadImage(imagePath.c_str(),CV_LOAD_IMAGE_COLOR);
 192   // Reduce noise with a kernel 3x3
 193   cvSmooth( find_image, find_image, CV_GAUSSIAN, 3, 3 );
 194
 195   if ( !rect.width > 1 )
 196     return Mat(find_image);
 197
 198   // Crop the image to build an histogram from the selected part
 199   cvSetImageROI(find_image, rect);
 200   IplImage* test_image = cvCreateImage(cvGetSize(find_image),
 201                                       find_image->depth,
 202                                       find_image->nChannels);
 203   cvCopy(find_image, test_image, NULL);
 204   cvResetImageROI(find_image);
 205
 206   IplImage* test_hsv = cvCreateImage(cvGetSize(test_image),8,3);
 207   IplImage* test_hue = cvCreateImage(cvGetSize(test_image),8,1);
 208   CvHistogram* hist;
 209
 210   cvCvtColor(test_image, test_hsv, CV_BGR2HSV);
 211   cvCvtPixToPlane(test_hsv, test_hue, 0, 0, 0);
 212
 213   //create hist
 214   int size_hist = 10;
 215   float hranges[] = {0, 180};
 216   float* ranges = hranges;
 217   hist = cvCreateHist(1, &size_hist, CV_HIST_ARRAY, &ranges, 1);
 218
 219   //calculate hue` histogram
 220   cvCalcHist(&test_hue, hist, 0 ,0);
 221
 222 //   // TEST print of the histogram for debugging
 223 //   IplImage* hist_image = cvCreateImage(cvSize(320,300),8,3);
 224 //
 225 //   //draw hist on hist_test image.
 226 //   cvZero(hist_image);
 227 //   float max_value = 0;
 228 //   cvGetMinMaxHistValue(hist, 0 , &max_value, 0, 0);
 229 //   int bin_w = hist_image->width/size_hist;
 230 //   for(int i = 0; i < size_hist; i++ )
 231 //   {
 232 //     //prevent overflow
 233 //     int val = cvRound( cvGetReal1D(hist->bins,i)*hist_image->
 234 //     height/max_value);
 235 //     CvScalar color = CV_RGB(200,0,0);
 236 //     //hsv2rgb(i*180.f/size_hist);
 237 //     cvRectangle( hist_image, cvPoint(i*bin_w,hist_image->height),
 238 //     cvPoint((i+1)*bin_w,hist_image->height - val),
 239 //     color, -1, 8, 0 );
 240 //   }
 241 //
 242 //
 243 //   cvNamedWindow("hist", 1); cvShowImage("hist",hist_image);
 244
 245
 246   //calculate back projection of hue plane of input image
 247   IplImage* backproject = cvCreateImage(cvGetSize(find_image), 8, 1);
 248   IplImage* binary_backproject = cvCreateImage(cvGetSize(find_image), 8, 1);
 249   IplImage* find_hsv = cvCreateImage(cvGetSize(find_image),8,3);
 250   IplImage* find_hue = cvCreateImage(cvGetSize(find_image),8,1);
 251
 252   cvCvtColor(find_image, find_hsv, CV_BGR2HSV);
 253   cvCvtPixToPlane(find_hsv, find_hue, 0, 0, 0);
 254   cvCalcBackProject(&find_hue, backproject, hist);
 255
 256   // Threshold in order to obtain binary image
 257   cvThreshold(backproject, binary_backproject, 1, 255, CV_THRESH_BINARY);  // NOTE it would be good to think about the best threshold to use (it's 1 for now)
 258   cvReleaseImage(&test_image);
 259   cvReleaseImage(&test_hsv);
 260   cvReleaseImage(&test_hue);
 261   cvReleaseImage(&backproject);
 262
 263   return Mat(binary_backproject);
 264 }