用 OpenCV 畫出 OpenNI 2 的深度、彩色影像

這篇基本上是《OpenNI 2 VideoStream 與 Device 的設定與使用》一文的延伸，主要是提供一個完整的範例，用OpenCV（官網）這套知名的電腦視覺、影像處理的函式庫，來顯示 OpenNI 2 所讀取到的彩色、深度影像。

實際上，在《OpenNI 2 VideoStream 與 Device 的設定與使用》中已經有提到過，該怎麼把 OpenNI VideoStream 讀取到的 VideoFrameRef，轉換成 OpenCV C++ 的 cv::Mat 的形式了～以彩色影像來說，他的基本做法，就是：

const cv::Mat mImageRGB( mColorFrame.getHeight(), mColorFrame.getWidth(),
                         CV_8UC3, (void*)mColorFrame.getData() );

不過由於 OpenCV 內部彩色影像實際上是使用 BGR、而非 RGB 的形式，所以如果要做後續的處理的話，是需要把 RGB 影像轉換成 BGR 的。而如果是深度影像的話，資料的型別也需要從 CV_8UC3 改成 CV_16UC1 才行。

而如果只是為了要顯示的話，一個完整的程式，會像下面這樣：

// STL Header
#include <iostream>
  
// OpenCV Header
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
  
// OpenNI Header
#include <OpenNI.h>
  
// namespace
using namespace std;
using namespace openni;
  
int main( int argc, char **argv )
{
  // 1. Initial OpenNI
  if( OpenNI::initialize() != STATUS_OK )
  {
    cerr << "OpenNI Initial Error: " 
         << OpenNI::getExtendedError() << endl;
    return -1;
  }
  
  // 2. Open Device
  Device mDevice;
  if( mDevice.open( ANY_DEVICE ) != STATUS_OK )
  {
    cerr << "Can't Open Device: " 
         << OpenNI::getExtendedError() << endl;
    return -1;
  }
  
  // 3. Create depth stream
  VideoStream mDepthStream;
  if( mDevice.hasSensor( SENSOR_DEPTH ) )
  {
    if( mDepthStream.create( mDevice, SENSOR_DEPTH ) == STATUS_OK )
    {
      // 3a. set video mode
      VideoMode mMode;
      mMode.setResolution( 640, 480 );
      mMode.setFps( 30 );
      mMode.setPixelFormat( PIXEL_FORMAT_DEPTH_1_MM );
  
      if( mDepthStream.setVideoMode( mMode) != STATUS_OK )
      {
        cout << "Can't apply VideoMode: "
             << OpenNI::getExtendedError() << endl;
      }
    }
    else
    {
      cerr << "Can't create depth stream on device: "
           << OpenNI::getExtendedError() << endl;
      return -1;
    }
  }
  else
  {
    cerr << "ERROR: This device does not have depth sensor" << endl;
    return -1;
  }
  
  // 4. Create color stream
  VideoStream mColorStream;
  if( mDevice.hasSensor( SENSOR_COLOR ) )
  {
    if( mColorStream.create( mDevice, SENSOR_COLOR ) == STATUS_OK )
    {
      // 4a. set video mode
      VideoMode mMode;
      mMode.setResolution( 640, 480 );
      mMode.setFps( 30 );
      mMode.setPixelFormat( PIXEL_FORMAT_RGB888 );
  
      if( mColorStream.setVideoMode( mMode) != STATUS_OK )
      {
        cout << "Can't apply VideoMode: " 
             << OpenNI::getExtendedError() << endl;
      }
  
      // 4b. image registration
      if( mDevice.isImageRegistrationModeSupported(
              IMAGE_REGISTRATION_DEPTH_TO_COLOR ) )
      {
        mDevice.setImageRegistrationMode( IMAGE_REGISTRATION_DEPTH_TO_COLOR );
      }
    }
    else
    {
      cerr << "Can't create color stream on device: "
           << OpenNI::getExtendedError() << endl;
      return -1;
    }
  }
  
  // 5. create OpenCV Window
  cv::namedWindow( "Depth Image",  CV_WINDOW_AUTOSIZE );
  cv::namedWindow( "Color Image",  CV_WINDOW_AUTOSIZE );
  
  // 6. start
  VideoFrameRef  mColorFrame;
  VideoFrameRef  mDepthFrame;
  mDepthStream.start();
  mColorStream.start();
  int iMaxDepth = mDepthStream.getMaxPixelValue();
  while( true )
  {
    // 7. check is color stream is available
    if( mColorStream.isValid() )
    {
      // 7a. get color frame
      if( mColorStream.readFrame( &mColorFrame ) == STATUS_OK )
      {
        // 7b. convert data to OpenCV format
        const cv::Mat mImageRGB(
                mColorFrame.getHeight(), mColorFrame.getWidth(),
                CV_8UC3, (void*)mColorFrame.getData() );
        // 7c. convert form RGB to BGR
        cv::Mat cImageBGR;
        cv::cvtColor( mImageRGB, cImageBGR, CV_RGB2BGR );
        // 7d. show image
        cv::imshow( "Color Image", cImageBGR );
      }
    }
  
    // 8a. get depth frame
    if( mDepthStream.readFrame( &mDepthFrame ) == STATUS_OK )
    {
      // 8b. convert data to OpenCV format
      const cv::Mat mImageDepth(
                mDepthFrame.getHeight(), mDepthFrame.getWidth(),
                CV_16UC1, (void*)mDepthFrame.getData() );
      // 8c. re-map depth data [0,Max] to [0,255]
      cv::Mat mScaledDepth;
      mImageDepth.convertTo( mScaledDepth, CV_8U, 255.0 / iMaxDepth );
      // 8d. show image
      cv::imshow( "Depth Image", mScaledDepth );
    }
  
    // 6a. check keyboard
    if( cv::waitKey( 1 ) == 'q' )
      break;
  }
  
  // 9. stop
  mDepthStream.destroy();
  mColorStream.destroy();
  mDevice.close();
  OpenNI::shutdown();
  
  return 0;
}

這樣的程式執行之後，除了本來的命令提示字元的視窗外，還會由 OpenCV 建立出像下圖這樣的兩個視窗，各別顯示深度影像和彩色影像，並透過無窮迴圈不停地更新畫面：

而程式會一直進行更新，直到使用者按下鍵盤上的「q」，才會結束程式。

接下來，則是程式原始碼的一些說明。

---

初始化

在上面的範例裡面，1 到 4 的部分，都是 OpenNI 初始化的部分。依序就是：

1. OpenNI 環境初始化
2. 開啟裝置（Device）
3. 建立深度影像的 VideoStream，

   並將解析度設定成 640 x 480、30FPS，格式為 PIXEL_FORMAT_DEPTH_1_MM

4. 建立深度影像的 VideoStream，

   並將解析度設定成 640 x 480、30FPS，格式為 PIXEL_FORMAT_RGB888；

   同時，也設定裝置的影像校正，將深度影象對到彩色影像的位置。

不過由於 Heresy 有考慮到 ASUS Xtion Pro 沒有彩色攝影影機，所以無法得到彩色影像的資料，因此為了讓程式也可以在 Xtion Pro 上執行，所以在程式的概念上是設計成一定要有深度攝影機，但是可以沒有彩色攝影機的。也因此，可以看到深度和彩色影像的部分，在處理的時候都有些微的不同。

而 5 之後的部分，才開始有用到 OpenCV 的功能。首先，5 的部分，就是透過 cv::namedWindow()，建立出兩個名字分別是「Depth Image」和「Color Image」視窗，分別用來顯示深度影像和彩色影像。

程式主迴圈

6 則是開始 OpenNI VideoStream 的資料讀取，並以一個無窮迴圈、來做資料的更新。而在迴圈裏面，則有搭配一個 6a、使用 cv::waitKey() 這個函式，來讀取鍵盤的輸入，如果使用者按下鍵盤上的「q」的話，就會離開迴圈，進到 9 的部分，開始關閉 OpenNI 的物件、把程式結束程掉。

在迴圈內，則主要是 7 和 8 兩塊，前者是針對彩色影像作處理，後者則是針對深度影像作處理。

彩色影像的處理

以彩色影像來說，在確定讀到資料後，是會先把資料，轉換成一個 cv::Mat 的物件 mImageRGB（7b）；不過由於 OpenCV 的彩色影像是採用 BGR 的順序，所以接下來，就是要透過 cv::cvtColor() 來做色彩空間的轉換，把 RGB 排列的 mImageRGB 轉換成 BGR 排列的 mImageBGR（7c）。

處理好了之後，則就是透過 cv::imshow()，把 mImageBGR 的影像用「Color Image」這個視窗顯示出來。

深度影像的處理

而深度影像的部分，則是先轉換成 CV_16UC1 形式的 cv::Mat 物件 mImageDepth（8b）。雖然 OpenCV 有支援 16bit 的影像，但是實際上因為 OpenNI 在目前的感應器上，讀到的深度值範圍最大就是到 10,000（iMaxDepth、透過深度的 VideoStream 的 getMaxPixelValue() 這個函式取得），所以如果直接把 16bit 的影像畫出來的話，應該是會看到接近一片黑的畫面…

所以為了強化顯示的效果，這邊就去使用 cv::Mat 提供的 convertTo() 這個函式，把 16bit（CV_16UC1）的 mImageDepth，轉換成 8bit（CV_8UC1）的影像 mScaledDepth（8c）。而 convertTo() 這個函式，在做轉換的時候，可以透過第三個參數和第四個參數，來設定轉換時的縮放、以及位移。詳細的說明，可以參考 OpenCV 官方的文件（連結），而像 Heresy 這邊就是把深度值乘上「255.0 / iMaxDepth」，讓本來介於 0 ~ 10,000 之間的深度值，變成 0 ~ 255。

最後，則是一樣透過 cv::imshow()，把 mScaledDepth 這個影像用「Depth Image」這個視窗顯示出來。

---

這邊 Heresy 基本上只是單純把 OpenNI 的影像資料，轉換成 OpenCV 的格式、然後就直接畫出來了。如果有需要的話，也是可以再透過 OpenCV，來做額外的處理的～像在 OpenNI 1.x 的時候，Heresy 就有寫一篇《OpenNI + OpenCV》，裡面就有額外把彩色影像和深度影像，都拿來做邊緣偵測～有需要的話，也可以自己試試看。

---

OpenNI / Kinect 相關文章目錄