社保官方网站登录入口,中国最新军事新闻报道,做网站兼职,ppt模板免费下载 素材第一ppt轮廓分析主要用于轮廓提取和形状识别等任务。在OpenCV中#xff0c;轮廓提取和形状识别是图像处理和计算机视觉中常见的任务。下面是关于这两个知识点的一些基本内容#xff1a; 轮廓提取#xff1a;
轮廓提取是指从图像中提取出物体轮廓的过程。在OpenCV中#xff0c;可…轮廓分析主要用于轮廓提取和形状识别等任务。在OpenCV中轮廓提取和形状识别是图像处理和计算机视觉中常见的任务。下面是关于这两个知识点的一些基本内容 轮廓提取
轮廓提取是指从图像中提取出物体轮廓的过程。在OpenCV中可以使用cv::findContours()函数来实现轮廓提取。以下是一个简单的示例
cv::Mat image cv::imread(image.jpg, cv::IMREAD_GRAYSCALE); // 读取灰度图像
cv::Mat binaryImage;
cv::threshold(image, binaryImage, 128, 255, cv::THRESH_BINARY); // 二值化分割大于阈值为255小于阈值为0
std::vectorstd::vectorcv::Point contours;
std::vectorcv::Vec4i hierarchy;
// 遍历轮廓并绘制
cv::findContours(binaryImage, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
cv::Mat contoursImage cv::Mat::zeros(image.size(), CV_8UC3);
for (size_t i 0; i contours.size(); i)
{ cv::drawContours(contoursImage, contours, i, cv::Scalar(0, 0, 255), 2, cv::LINE_8, hierarchy, 0);
}
cv::imshow(Contours Image, contoursImage);
cv::waitKey(0);
在示例中首先通过阈值分割将图像二值化然后使用cv::findContours()函数找到图像中的轮廓最后通过cv::drawContours()函数绘制轮廓。 轮廓面积与周长
可以使用cv::contourArea()函数计算轮廓的面积并使用cv::arcLength()函数计算轮廓的周长。这些特征可以用于识别不同形状的轮廓。例如可以通过设定面积和周长的阈值来筛选特定大小的轮廓。 轮廓凸包
凸包是将轮廓包围在一个最小凸多边形内的过程。OpenCV提供了cv::convexHull()函数用于计算轮廓的凸包。通过比较凸包的顶点数量和轮廓的顶点数量可以判断轮廓是否是凸形状。 轮廓形心
形心是轮廓表示的几何中心可以使用cv::moments()函数计算轮廓的形心。形心坐标可以用于进一步的形状识别。 轮廓外接圆
可以使用cv::minEnclosingCircle()函数计算轮廓的外接圆。通过比较外接圆的半径和轮廓的尺寸可以判断轮廓是否是圆形状。 轮廓外接矩形
使用cv::boundingRect()函数可以计算轮廓的外接矩形其由矩形的左上角坐标和宽度、高度组成。外接矩形的宽高比可以用于识别特定宽高比的轮廓。 轮廓最小面积矩形
可以使用cv::minAreaRect()函数计算轮廓的最小面积矩形该矩形是能够包围轮廓的最小面积矩形框。可以通过比较矩形的宽高比、角度等特征来识别轮廓的形状。
形状识别
以上这些算法和特征可以进行轮廓形状识别的补充。通过结合多个特征和算法可以更准确地识别不同形状的轮廓。
对于圆形识别和直线识别OpenCV提供了相应的函数和算法。以下是一些常用的方法
圆形识别
使用霍夫圆变换Hough Circle Transformcv::HoughCircles()函数来检测图像中的圆。该函数可以帮助你找到图像中的圆形轮廓并返回识别到的圆形的圆心和半径。
cv::Mat image cv::imread(image.jpg, cv::IMREAD_GRAYSCALE); // 读取灰度图像
cv::Mat blurredImage;
cv::GaussianBlur(image, blurredImage, cv::Size(5, 5), 0); // 高斯模糊
std::vectorcv::Vec3f circles;
cv::HoughCircles(blurredImage, circles, cv::HOUGH_GRADIENT, 1, 100, 50, 30, 0, 0);
// 霍夫圆变换
// 绘制识别到的圆形
cv::Mat circlesImage cv::Mat::zeros(image.size(), CV_8UC3);
for (size_t i 0; i circles.size(); i)
{ cv::Point center(cvRound(circles[i][0]), cvRound(circles[i][1])); int radius cvRound(circles[i][2]); cv::circle(circlesImage, center, radius, cv::Scalar(0, 0, 255), 2, cv::LINE_8);
}
cv::imshow(Circles Image, circlesImage);
cv::waitKey(0);
直线识别
使用霍夫直线变换Hough Line Transformcv::HoughLines()函数来检测图像中的直线。该函数可以检测图像中的直线轮廓并返回检测到的直线的参数。
cv::Mat image cv::imread(image.jpg, cv::IMREAD_GRAYSCALE); // 读取灰度图像
cv::Mat blurredImage; cv::GaussianBlur(image, blurredImage, cv::Size(5, 5), 0); // 高斯模糊
cv::Canny(blurredImage, blurredImage, 50, 150); // 边缘检测
std::vectorcv::Vec2f lines;
cv::HoughLines(blurredImage, lines, 1, CV_PI / 180, 100); // 霍夫直线变换
// 绘制识别到的直线
cv::Mat linesImage cv::Mat::zeros(image.size(), CV_8UC3);
for (size_t i 0; i lines.size(); i)
{ float rho lines[i][0]; float theta lines[i][1]; double a cos(theta); double b sin(theta); double x0 a * rho; double y0 b * rho; cv::Point pt1(cvRound(x0 1000 * (-b)), cvRound(y0 1000 * (a))); cv::Point pt2(cvRound(x0 - 1000 * (-b)), cvRound(y0 - 1000 * (a))); cv::line(linesImage, pt1, pt2, cv::Scalar(0, 0, 255), 2, cv::LINE_8);
}
cv::imshow(Lines Image, linesImage);
cv::waitKey(0);
这些示例展示了如何使用OpenCV进行圆形和直线的识别。对于圆形识别使用霍夫圆变换来检测图像中的圆对于直线识别使用霍夫直线变换来检测图像中的直线。
除了圆形和直线识别OpenCV还提供了其他形状识别的方法。以下是一些常见的形状识别方法 多边形识别
通过多边形逼近方法可以识别各种多边形形状如三角形、四边形等。OpenCV提供了cv::approxPolyDP()用于多边形逼近、cv::minAreaRect()用于最小外接矩形等。以下是一个示例演示如何识别并绘制矩形轮廓
cv::Mat image cv::imread(image.jpg, cv::IMREAD_GRAYSCALE); // 读取灰度图像
cv::Mat binaryImage;
cv::threshold(image, binaryImage, 128, 255, cv::THRESH_BINARY); // 二值化分割大于阈值为255小于阈值为0
std::vectorstd::vectorcv::Point contours;
std::vectorcv::Vec4i hierarchy;
cv::findContours(binaryImage, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
cv::Mat contoursImage cv::Mat::zeros(image.size(), CV_8UC3);
for (size_t i 0; i contours.size(); i)
{ // 对轮廓进行多边形逼近 std::vectorcv::Point approx; cv::approxPolyDP(contours[i], approx, cv::arcLength(contours[i], true) * 0.02, true); // 如果逼近结果是一个四边形则认为是矩形 if (approx.size() 4) { cv::Scalar color(0, 0, 255); cv::polylines(contoursImage, approx, true, color, 2, cv::LINE_8); }
}
cv::imshow(Contours Image, contoursImage);
cv::waitKey(0);
在示例中先计算轮廓的多边形逼近然后通过判断逼近结果的顶点个数来识别是否是矩形。
除了前面提到的基于多边形逼近的方法外还有一些常用的形状识别算法可以应用于轮廓识别。 椭圆识别
通过椭圆拟合方法可以识别椭圆形状。使用cv::fitEllipse()函数对轮廓进行椭圆拟合然后判断拟合程度以确定形状是否为椭圆。
cv::Mat image cv::imread(image.jpg, cv::IMREAD_GRAYSCALE); // 读取灰度图像
cv::Mat blurredImage;
cv::GaussianBlur(image, blurredImage, cv::Size(5, 5), 0); // 高斯模糊
cv::Canny(blurredImage, blurredImage, 50, 150); // 边缘检测
std::vectorstd::vectorcv::Point contours;
cv::findContours(blurredImage, contours, cv::RETR_EXTERNAL,
cv::CHAIN_APPROX_SIMPLE); // 查找轮廓
cv::Mat ellipseImage cv::Mat::zeros(image.size(), CV_8UC3);
for (size_t i 0; i contours.size(); i)
{ cv::RotatedRect ellipse cv::fitEllipse(contours[i]); // 椭圆拟合 cv::ellipse(ellipseImage, ellipse, cv::Scalar(0, 255, 0), 2);
}
cv::imshow(Ellipses Image, ellipseImage);
cv::waitKey(0); 几何矩识别
使用几何矩方法可以计算轮廓的矩并利用矩的特征来识别不同的形状如面积、宽高比、中心距等。
cv::Mat image cv::imread(image.jpg, cv::IMREAD_GRAYSCALE); // 读取灰度图像
cv::Mat blurredImage;
cv::GaussianBlur(image, blurredImage, cv::Size(5, 5), 0); // 高斯模糊
cv::threshold(blurredImage, blurredImage, 100, 255, cv::THRESH_BINARY); // 二值化
std::vectorstd::vectorcv::Point contours;
cv::findContours(blurredImage, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE); // 查找轮廓
cv::Moments moments;
cv::Mat momentsImage cv::Mat::zeros(image.size(), CV_8UC3);
for (size_t i 0; i contours.size(); i)
{ moments cv::moments(contours[i]); // 计算几何矩 cv::Point centroid(moments.m10 / moments.m00, moments.m01 / moments.m00); // 形心坐标 cv::circle(momentsImage, centroid, 4, cv::Scalar(0, 255, 0), -1); double area moments.m00; // 面积 double aspect_ratio moments.m20 / moments.m02; // 宽高比 // 可根据需要判断其他矩的特征
}
cv::imshow(Moments Image, momentsImage);
cv::waitKey(0); 形状匹配
通过形状匹配方法可以将待识别的形状与已知形状进行比较来确定形状的类别。常见的形状匹配方法包括轮廓匹配和模板匹配。 这些方法可以根据实际需求和具体应用选用。需要根据图像特征和形状的具体定义来选择适合的方法。可以结合多个特征和算法进行更准确的形状识别。根据不同形状的特征使用适当的函数和算法进行识别并可针对需要的特征进行进一步的处理和分析。
