理解cv::MSER

ancientcc

最大稳定极值区域(Maximally Stable Extremal Regions)是一种类似分水岭图像的分割与匹配算法。它具有SIFT SURF及 ORB等特征不具备的仿射不变性，近年来广泛应用于图像分割与匹配领域。

详细算法原理介绍可参见链接：http://blog.csdn.net/zhaocj/article/details/40742191

使用cv::MSER就两个步骤，一是创建创建MSER对象，二是MSER检测。

一：创建MSER对象

1. cv::Ptr<cv::MSER> mesr1 = cv::MSER::create(2, 10, 5000, 0.5, 0.3);  
   
2. //如果想要了解各参数的含义，首先需要通过以上链接了解算法原理。2表示灰度值的变化量，10和5000表示检测到的组块面积的范围，0.5为最大的变化率，0.3为稳定区域的最小变换量  

复制代码

二：MSER检测

1. std::vector<std::vector<cv::Point> > regContours;  
   
2. std::vector<cv::Rect> bboxes;  
   
3. mesr1->detectRegions(gray, regContours, bboxes); //gray为处理的图像，为单通道灰度图

复制代码

如何直观理解detectRegions产生的输出结果regContours、bboxes1？以看以下两张图。
  
左侧是输入的灰度图，即detectRegions的输入参数gray。右侧是在灰度图的基础上叠加regContours中的两个单元（红色），和bboxes中的所有单元（白色）。以下是几个结论。

• regContours长度一定等于bboxes长度。即regContours.size() == bboxes.size()，值就是该图中存在的最大稳定极值区域的个数。
• regContours[j]表示第j个最大稳定极值区域中露出的像素点。bboxes[j]则是包围这些像素点的最小矩形。
• 某个极值区域可能是另外个极值区域的子集。
• 不同区域的bboxes[j]有可能是相同值。