OpenNI + OpenCV

OpenCV 的全名是「Open Source Computer Vision」（官方網站、中文網站），是一套採用 BSD 授權的開放原始碼的電腦視覺函式庫，在相關領域來說，算是一套相當之行的函式庫；在 OpenCV 裡面，包含了很多影像處理的功能，同時也包含了基本的圖形介面、以及攝影機的操作等功能。

而對於 OpenNI 這樣、針對深度影像和彩色影像做處理的架構，其實如果不是單純只是想靠 NITE 來追蹤人體骨架的話，OpenCV 是一個相當適合拿來搭配使用的函式庫；實際上，OpenCV 現在也可以直接整合 OpenNI 來讀取影像（請參考《Using Kinect and other OpenNI compatible depth sensors》）。

這篇呢，Heresy 則是以簡單的範例，大概講一下怎麼把 OpenNI 的深度和彩色資料，讀出來轉換成 OpenCV 的格式。下面就直接看原始碼吧～

// OpenNI Header
#include <XnCppWrapper.h>

// link OpenNI library
#pragma comment( lib, "OpenNI.lib" )

// OpenCV Header
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>

// Link OpenCV Library
#ifdef _DEBUG
  #pragma comment( lib, "opencv_core242d.lib" )
  #pragma comment( lib, "opencv_highgui242d.lib" )
  #pragma comment( lib, "opencv_imgproc242d.lib" )
#else
  #pragma comment( lib, "opencv_core242.lib" )
  #pragma comment( lib, "opencv_highgui242.lib" )
  #pragma comment( lib, "opencv_imgproc242.lib" )
#endif

// main function
int main( int argc, char** argv )
{
  // 1a. initial OpenNI
  xn::Context xContext;
  xContext.Init();

  // 1b. create depth generator
  xn::DepthGenerator xDepth;
  xDepth.Create( xContext );

  // 1c. create image generator
  xn::ImageGenerator xImage;
  xImage.Create( xContext );

  // 1d. set alternative view point
  xDepth.GetAlternativeViewPointCap().SetViewPoint( xImage );

  // 2. create OpenCV Windows
  cv::namedWindow( "Depth Image", CV_WINDOW_AUTOSIZE );
  cv::namedWindow( "Color Image", CV_WINDOW_AUTOSIZE );
  cv::namedWindow( "Depth Edge", CV_WINDOW_AUTOSIZE );
  cv::namedWindow( "Color Edge", CV_WINDOW_AUTOSIZE );

  // 3. start OpenNI
  xContext.StartGeneratingAll();

  // main loop
  while( true )
  {
    // 4. update data
    xContext.WaitAndUpdateAll();

    // 5. get image data
    {
      xn::ImageMetaData xColorData;
      xImage.GetMetaData( xColorData );

      // 5a. convert to OpenCV form
      cv::Mat cColorImg( xColorData.FullYRes(), xColorData.FullXRes(),
                         CV_8UC3, (void*)xColorData.Data() );

      // 5b. convert from RGB to BGR
      cv::Mat cBGRImg;
      cv::cvtColor( cColorImg, cBGRImg, CV_RGB2BGR );
      cv::imshow( "Color Image", cBGRImg );

      // 5c. convert to signle channel and do edge detection
      cv::Mat cColorEdge;
      cv::cvtColor( cColorImg, cBGRImg, CV_RGB2GRAY );
      cv::Canny( cBGRImg, cColorEdge, 5, 100 );
      cv::imshow( "Color Edge", cColorEdge );
    }

    // 6. get depth data
    {
      xn::DepthMetaData xDepthData;
      xDepth.GetMetaData( xDepthData );

      // 6a. convert to OpenCV form
      cv::Mat cDepthImg( xDepthData.FullYRes(), xDepthData.FullXRes(),
                         CV_16UC1, (void*)xDepthData.Data() );

      // 6b. convert to 8 bit
      cv::Mat c8BitDepth;
      cDepthImg.convertTo( c8BitDepth, CV_8U, 255.0 / 7000 );
      cv::imshow( "Depth Image", c8BitDepth );

      // 6c. convert to 8bit, and do edge detection
      cv::Mat CDepthEdge;
      cv::Canny( c8BitDepth, CDepthEdge, 5, 100 );
      cv::imshow( "Depth Edge", CDepthEdge );
    }

    cv::waitKey( 1 );
  }
}

在這邊的例子裡，Heresy 並沒有去使用整合 OpenNI 的 OpenCV，而是獨立使用 OpenNI 來做資料的讀取，然後再轉換成 OpenCV 的格式。實際上，如果只是要使用 OpenNI 的影像資料的話，使用整合過的 OpenCV 可以直接使用內建的 VideoCapture 來做畫面的讀取，在使用上會比較單純、簡單一點，不過由於這樣會少掉一些 OpenNI 的功能，所以在這邊 Heresy 不使用這樣的方法。

所以，在上面的範例裡面，1a 到 1d 的部分，就是用標準 OpenNI 的流程，來進行初始化的動作；詳細的說明，請參考《透過 OpneNI 讀取 Kinect 深度影像資料》。而接下來 2 的部分，則是使用 OpenCV 的 highgui 這個模組的 namedWindow() 這個函式（官方文件），來建立四個不同名稱的視窗、作為畫面的顯示。

接下來，則是透過一個無窮迴圈，來不停地更新資料了～裡面主要分成兩塊，也就是 5、讀取 Image Generator 的彩色影像、以及 6、讀取 Depth Generator 的深度影像的部分。

其中，在 5a 和 6a 的部分，就是把 OpenNI 讀出來的 map（xn::ImageMetaData 和 xn::DepthMetaData）轉換成 OpenCV 的影像格式、cv::Mat 的部分（官方文件）。

以彩色影像來說，就是在建立 cv::Mat 物件的時候，把影像的大小、也就是 Y 軸、X 軸的解析度，以及資料的形式、資料的位址，都傳遞給建構子、以建立出一張 OpenCV 的影像、cColorImg。其中，CV_8UC3 是指 3 channel 的 8bit 正整數（unsigned char）的資料（參考）。

不過，由於 OpenCV 所使用的彩色影像的色彩，預設是以 Blue、Green、Red 來做排列，和一般 Red、Green、Blue 排列不同，所以要拿來用的話，還需要先做一個轉換；在這邊（5b）就是透過 cvtColor() 這個 OpenCV 的 imgproc 這個模組裡的函式（官方文件），把本來的 RGB 影像、轉換成 BGR 的影像（cBGRImg）。而在轉換好之後，則就是在透過 imshow() 這個函式，把轉換完成的影像、顯示在對應的視窗（這邊是 Color Image）上了。

而接下來（5c），Heresy 則是試著用 OpenCV 提供的 Canny 這種方法的邊緣偵測（官方文件）。不過由於 OpenCV 所提供的 Canny edge 只有針對 8bit 1 channel 的影像作處理，所以這邊要先再用 cvtColor()，把影像轉成灰階的、然後再來進行；而之後，則是一樣透過 imshow() 這個函式，把偵測完的結果、顯示在對應的視窗上。

深度的部分（6a）也是類似的，不過由於 OpenNI 的深度影像的單一像素的格式是 XnDepthPixel、實際上是單一 channel 的 16bit 的正整數（unsigned short），所以在建立 cv::Mat 的時候的資料型別，則是要設定為 CV_16UC1。

不過，雖然 OpenNI 的深度影像是 16bit 的正整數，理論上值的範圍是 0 – 65,535，但是實際上深度的最大值只會到 10,000，所以如果不處理、直接畫的話，會有整個畫面偏暗的問題（基本上，畫面會接近全黑）；所以在這邊，Heresy 也先透過 cv::Mat 的 convertTo() 的函式，把這個 16bit 的影像裡的每一個像素都乘上一個 scale（255.0 / 7000）後，轉換成 8bit 的影像（c8BitDepth）。再之後，就是一樣把轉換好的影像，進行 canny edge 偵測了～

而這樣的程式執行的結果，會有下面這樣、四個不同資料的視窗，分別代表彩色影像、基於彩色影像的邊緣偵測結果、深度影像、以及基於深度影像進行邊緣偵測的結果。

這篇就先到這了。基本上，Heresy 是把這篇文章定位成一個極為簡單的 OpenNI 和 OpenCV 的資料整合範例；而由於 OpenCV 還有提供相當多的影像處理的功能，接下來要怎麼做，就是看自己想要做什麼了～

---

OpenNI / Kinect 相關文章目錄

廣告