ROI的使用与批量存储

1. ROI简介

    ROI(Region of Interest)是指图像中的一个矩形区域，可能你后续的程序需要单独处理这一个小区域，如图所示：

图1 ROI的解释

    ROI在实际工作中有很重要的作用，在很多情况下，使用它们会提高计算机视觉代码的执行速度。这是因为它们允许对图像的某一小部分进行操作，而不是对整个图像进行运算。在OpenCV中，所有的对图像操作的函数都支持ROI,如果你想打开ROI,可以使用函数cvSetImageROI(),并给函数传递一个矩形子窗口。而cvResetImageROI()是用于关闭ROI的。注意，在程序中，一旦使用了ROI做完相应的运算，就一定要用cvResetImageROI()来关闭ROI,否则，其他操作执行时还会使用ROI的定义。

IplImage 结构解读：

typedef struct _IplImage{    intnSize;                       int ID;                            intnChannels;             intalphaChannel;    int depth;    charcolorModel[4];    charchannelSeq[4];    intdataOrder;    int origin;    int align;    int width;    int height;    struct _IplROI *roi;    struct_IplImage *maskROI;    void*imageId;    struct_IplTileInfo *tileInfo;    intimageSize;    char*imageData;    intwidthStep;    intBorderMode[4];    intBorderConst[4];    char*imageDataOrigin;}IplImage;

     origin变量可以有两个取值：IPL_ORIGIN_TL或者IPL_ORIGIN_BL,分别代表图像坐标系原点在左上角或是左下角。相应的，在计算机视觉领域，一个重要的错误来源就是原点位置的定义不统一。例如，图像的来源不同，操作系统不同，视频解码codec不同，存储方式不同等等，都可以造成原点位置的变化。

    IplROI结构体包含了xOffset,yOffset,height,width,coi成员变量，其中xOffset,yOffset是x,y坐标，coi代表channel of interest(感兴趣的通道)。有时候，OpenCV图像函数不是作用于整个图像，而是作用于图像的某一个部分。这是，我们就可以使用roi成员变量了。如果IplImage变量中设置了roi，则OpenCV函数就会使用该roi变量。如果coi被设置成非零值，则对该图像的操作就只作用于被coi指定的通道上了。不幸的是，许多OpenCV函数忽略了coi的值。

【注意】

    （1）ROI只是原始图像的一个子区域，没有自己的内存空间，对ROI的操作会影响原始图像。

    （2）对ROI区域的遍历还是要根据矩形框在原始图像中的相对位置遍历。笔者曾经犯了利用原始图像src的src->imageData做基地址，用src->height、src->width做边界条件，用src->widthStep计算步长来遍历ROI图像的错误。这是因为抱有IplImage结构体中的成员变量数值会随ROI图像而改变的错误思想。

2. 对应的相关函数

SetImageROI

基于给定的矩形设置感兴趣区域

void cvSetImageROI( IplImage* image, CvRectrect );

【参数介绍】

image

图像头.

rect

ROI矩形.

    函数 cvSetImageROI 基于给定的矩形设置图像的ROI（感兴趣区域）。如果ROI是NULL并且参数RECT的值不等于整个图像, ROI被分配。不像 COI，大多数的 OpenCV 函数支持 ROI 并且处理它就像它是一个分离的图像 (例如，所有的像素坐标从ROI的左上角或左下角（基于图像的结构）计算。

 

ResetImageROI

释放图像的ROI

voidcvResetImageROI( IplImage* image );

【参数介绍】

image

图像头.

    函数 cvResetImageROI 释放图像ROI。释放之后整个图像被认为是全部被选中的。相似的结果可以通过下述办法

cvSetImageROI(image, cvRect( 0, 0, image->width, image->height ));

cvSetImageCOI(image, 0 );

但是后者的变量不分配 image->roi

3.   利用ROI剪切图像并批量保存

图像的剪切有多种方法，其中一种是使用ROI的方法：

 

第一步：将需要剪切的图像图像不部分设置为ROI

cvSetImageROI(src,cvRect(x,y,width,height));

 

第二步：新建一个与需要剪切的图像部分同样大小的新图像

cvCreateImage(cvSize(width,height),IPL_DEPTH,nchannels);

 

第三步：将源图像复制到新建的图像中

cvCopy(src,dst,0);

 

第四步：释放ROI区域

cvResetImageROI(src);

    笔者在做火焰检测时需要提取火焰疑似区域进行进一步的判断，需要在以上方法的基础上批量存储ROI区域图像到硬盘，这里有一个技巧是使用字符串格式化sprintf把要保存的路径及文件名写入字符缓冲区。如：

 

sprintf(imageName,"%s_%d-%04d年%02d月%02d日%02d时%02分%02d秒.jpg","E:\\Test\\ROI\\fire",countROI,tm_ptr.tm_year-100+2000,tm_ptr.tm_mon + 1, tm_ptr.tm_mday,   tm_ptr.tm_hour,tm_ptr.tm_min, tm_ptr.tm_sec);

    此语句把当前时间与编号都写入字符数组中以备cvSaveImage( const char*filename, const CvArr* image )函数使用。

以下是源码的主函数：

int main(){IplImage *img = NULL;//输入图像，8bit 3通道IplImage *colTemp = NULL;//颜色分割后(有内部空洞)的火焰图片IplImage *gray = NULL;//灰度图IplImage *mask = NULL;//二值图，用于复制图像的掩膜IplImage *dst = NULL;//输出火焰疑似图像，8bit、3通道IplImage *ROI[5] = {NULL};//定义ROI图像头的数组char imageName[50];//存储图像的名称CvMemStorage *stor;//存储轮廓序列CvSeq *cont;//可动态增长元素序列time_t the_time;//时间stor=cvCreateMemStorage(0);//创建一内存块并返回指向块首的指针，默认64Kcont=cvCreateSeq(CV_SEQ_ELTYPE_POINT,sizeof(CvSeq),sizeof(CvPoint),stor);//创建一序列 img = cvLoadImage("E:\\Test\\SegTest\\fire40.JPG");//载入原始图片colTemp =  cvCreateImage(cvGetSize(img),img->depth,img->nChannels);//经过颜色分割后(有内部空洞)的火焰图片gray = cvCreateImage(cvGetSize(img),img->depth,1);mask = cvCreateImage(cvGetSize(img),img->depth,1);dst = cvCreateImage(cvGetSize(img),img->depth,img->nChannels);//保存经过填补后的火焰图片cvZero(dst);colorModel(img,colTemp);//使用颜色模型对火焰图像分割cvCvtColor(colTemp,gray,CV_BGR2GRAY);//使用cvFindContours函数与cvFillPoly填充连通区内部空洞fillSeg(gray,mask);cvCopy(img,dst,mask);//使用cvFindContours根据火焰疑似区域(已填充内部空洞)的掩膜(单通道)寻找轮廓；//随之使用cvRectangle找到轮廓的外接矩形,从而可以得到ROI。cvFindContours(mask,stor,&cont,sizeof(CvContour),CV_RETR_EXTERNAL ,CV_CHAIN_APPROX_SIMPLE,cvPoint(0,0));cvDrawContours(img,cont,cvScalar(255,255,255),cvScalar(0,0,0),1,1); int countROI = 0;//ROI编号for(;cont;cont = cont->h_next){double area = fabs(cvContourArea(cont,CV_WHOLE_SEQ));double len = cvArcLength(cont, CV_WHOLE_SEQ,-1);double circularity = (4*PI*area)/(len*len);//计算疑似火焰区域的圆形度CvRect r = ((CvContour*)cont)->rect;//子类转换为父类例子if(r.height * r.width > CONTOUR_MAX_AERA && circularity < 0.4 && circularity > 0.07 ) //面积小的外接矩形以及圆形度过大或过小的轮廓抛弃掉{printf("\n圆形度：%f\n",circularity);cvRectangle(img, cvPoint(r.x,r.y),cvPoint(r.x + r.width, r.y + r.height),CV_RGB(255,0,0), 1, CV_AA,0);cvSetImageROI(img,r);ROI[countROI] = cvCreateImage(cvGetSize(img),img->depth,img->nChannels);cvCopy(img,ROI[countROI],0);cvResetImageROI(img);(void) time(&the_time);//获得从纪元（1970年1月1日）开始至今的秒数tm tm_ptr = *localtime(&the_time);  //从time_t格式的时间里返回本地时间//保存的图片名sprintf(imageName,"%s_%d-%04d年%02d月%02d日%02d时%02分%02d秒.jpg","E:\\Test\\ROI\\fire",countROI,tm_ptr.tm_year-100+2000,tm_ptr.tm_mon + 1, tm_ptr.tm_mday,   tm_ptr.tm_hour,tm_ptr.tm_min, tm_ptr.tm_sec);//sprintf(imageName, "%s%d%s", "E:\\Test\\ROI\\image", countROI, ".jpg");//保存的图片名cvSaveImage(imageName,ROI[countROI]);   //保存一帧图片countROI++;memset(imageName,0,sizeof(imageName));}}for(int i = 0;i<countROI;i++){char showImg[16];sprintf(showImg,"ROI%d",i);cvShowImage(showImg,ROI[i]);}cvShowImage("原始图片",img);cvShowImage("颜色分割处理",colTemp);cvShowImage("填充处理图片",dst);cvShowImage("掩膜",mask);cvWaitKey();//销毁窗口cvDestroyAllWindows();//释放图像for(int i = 0;i<countROI;i++){cvReleaseImage(&ROI[i]);}cvReleaseImage(&img);cvReleaseImage(&colTemp);cvReleaseImage(&gray);cvReleaseImage( &mask ); }