浅谈opencv自动光学检测、目标分割和检测(连通区域和findContours)
作者:大米饭盖不住四喜丸子 发布时间:2023-04-15 09:25:18
标签:opencv,自动光学,目标分割,检测
步骤如下:
1.图片灰化;
2.中值滤波 去噪
3.求图片的光影(自动光学检测)
4.除法去光影
5.阈值操作
6.实现了三种目标检测方法
主要分两种连通区域和findContours
过程遇到了错误主要是图片忘了灰化处理,随机颜色的问题。下面代码都已经进行了解决
这是findContours的效果
下面是连通区域的结果
#include <opencv2\core\utility.hpp>
#include <opencv2\imgproc.hpp>
#include <opencv2\highgui.hpp>
#include<opencv2\opencv.hpp>
#include <opencv2\core\core.hpp>
#include <opencv2\core\matx.hpp>
#include<string>
#include <iostream>
#include <limits>
using namespace std;
using namespace cv;
Mat img = imread("C:\\Users\\hasee\\Desktop\\luosi.jpg",0);
Mat removeLight(Mat imge, Mat pattern, int method);
Mat calculateLightPattern(Mat img);
static Scalar randomColor(RNG& rng);
void ConnectedComponents(Mat img);
void ConnectedComponetsStats(Mat img);
void FindContoursBasic(Mat img);
void main()
{
Mat img_noise;
medianBlur(img,img_noise,3);
Mat pattern = calculateLightPattern(img_noise);
Mat re_light = removeLight(img_noise, pattern, 1);
Mat img_thr;
threshold(re_light,img_thr,30,255,THRESH_BINARY);
//ConnectedComponents(img_thr);
ConnectedComponetsStats(img_thr);
//FindContoursBasic(img_thr);
waitKey(0);
}
Mat removeLight(Mat imge, Mat pattern, int method) {
Mat aux;
if (method == 1) {
Mat img32, pattern32;
imge.convertTo(img32, CV_32F);
pattern.convertTo(pattern32, CV_32F);
aux = 1 - (img32 / pattern32);
aux = aux * 255;
aux.convertTo(aux, CV_8U);
}
else {
aux = pattern - imge;
}
return aux;
}
Mat calculateLightPattern(Mat img) {
Mat pattern;
blur(img, pattern, Size(img.cols / 3, img.cols / 3));
return pattern;
}
static Scalar randomColor(RNG& rng)
{
int icolor = (unsigned)rng;
return Scalar(icolor & 255, (icolor >> 8) & 255, (icolor >> 16) & 255);
}
void ConnectedComponents(Mat img) {
Mat lables;
int num_objects = connectedComponents(img, lables);
if (num_objects < 2) {
cout << "未检测到目标" << endl;
return;
}
else {
cout << "检测到的目标数量: " << num_objects - 1 << endl;
}
Mat output = Mat::zeros(img.rows,img.cols,CV_8UC3);
RNG rng(0xFFFFFFFF);
for (int i = 1; i < num_objects;i++) {
Mat mask = lables == i;
output.setTo(randomColor(rng),mask);
}
imshow("Result",output);
}
void ConnectedComponetsStats(Mat img) {
Mat labels, stats, centroids;
int num_objects = connectedComponentsWithStats(img,labels,stats,centroids);
if (num_objects<2) {
cout << "未检测到目标" << endl;
return;
}
else {
cout << "检测到的目标数量: " << num_objects - 1 << endl;
}
Mat output = Mat::zeros(img.rows, img.cols, CV_8UC3);
RNG rng(0xFFFFFFFF);
for (int i = 1; i < num_objects; i++) {
Mat mask = labels == i;
output.setTo(randomColor(rng), mask);
stringstream ss;
ss << "area: " << stats.at<int>(i,CC_STAT_AREA);
putText(output,ss.str(), centroids.at<Point2d>(i),FONT_HERSHEY_SIMPLEX,0.4,Scalar(255,255,255));
}
imshow("Result", output);
}
void FindContoursBasic(Mat img) {
vector<vector<Point>> contours;
findContours(img, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
Mat output = Mat::zeros(img.rows, img.cols, CV_8UC3);
if (contours.size()==0) {
cout << "未检测到对象" << endl;
return;
}else{
cout << "检测到对象数量: " << contours.size() << endl;
}
RNG rng(0xFFFFFFFF);
for (int i = 0; i < contours.size(); i++)
drawContours(output,contours,i,randomColor(rng));
imshow("Result", output);
}
补充知识:SURF特征点检测与匹配之误匹配点删除
SURF特征点检测与匹配之误匹配点删除
SURF(SpeededUp Robust Feature)是加速版的具有鲁棒性的算法,是SIFT算法的加速版。
但是SURF特征匹配之后有大量的误匹配点,需要对这些误匹配点进行删除。
这里不从理论上讲解SURF原理等,直接说用法。
特征匹配的步骤分为三步:
1、找出特征点
2、描述特征点
3、特征点匹配
具体基本代码见最后。具体的可以看毛星云的书籍,但是个人认为其编程风格不严谨,自己有做改动。
但是匹配出来的结果如下:
有很多的误匹配点,如何对误匹配点进行删除呢。
双向匹配加距离约束。
实验结果如下:效果还是非常好的。
#include "stdafx.h"
#include <opencv2\opencv.hpp>
#include <opencv2\nonfree\nonfree.hpp>
#include <opencv2\legacy\legacy.hpp>
#include <iostream>
int _tmain(int argc, _TCHAR* argv[])
{
//读取图片
cv::Mat srcImg1 = cv::imread("1.jpg", 1);
cv::Mat srcImg2 = cv::imread("2.jpg", 1);
if (srcImg1.empty() || srcImg2.empty())
{
std::cout << "Read Image ERROR!" << std::endl;
return 0;
}
//SURF算子特征点检测
int minHessian = 700;
cv::SurfFeatureDetector detector(minHessian);//定义特征点类对象
std::vector<cv::KeyPoint> keyPoint1, keyPoint2;//存放动态数组,也就是特征点
detector.detect(srcImg1, keyPoint1);
detector.detect(srcImg2, keyPoint2);
//特征向量
cv::SurfDescriptorExtractor extrator;//定义描述类对象
cv::Mat descriptor1, descriptor2;//描述对象
extrator.compute(srcImg1, keyPoint1, descriptor1);
extrator.compute(srcImg2, keyPoint2, descriptor2);
//BruteForce暴力匹配
cv::BruteForceMatcher <cv::L2<float>>matcher;//匹配器
std::vector <cv::DMatch> matches;
matcher12.match(descriptor1, descriptor2, matches);
//绘制关键点
cv::Mat imgMatch;
cv::drawMatches(srcImg1, keyPoint1, srcImg2, keyPoint2, matches, imgMatch);
cv::namedWindow("匹配图", CV_WINDOW_AUTOSIZE);
cv::imshow("匹配图", imgMatch);
cv::imwrite("匹配图.jpg", imgMatch);
cv::waitKey(10);
return 0;
}
来源:https://blog.csdn.net/weixin_36368407/article/details/53056720
0
投稿
猜你喜欢
- 本文实例讲述了django框架模板中定义变量的方法。分享给大家供大家参考,具体如下:总有一些情况,你会想在django template中设
- 用dicompyler软件打开dicom图像,头文件如图所示:当然也可以直接读取:ds = dicom.read_file('H:\
- 在本文中,我将说明如何用SQL Server的工具来优化数据库索引的使用,本文还涉及到有关索引的一般性知识。 关于索引的常识 影响到数据
- 404页面对于站长来说应该并不陌生,其作用无碍乎二点:提高用户体验和增强对搜索引擎的友好性。去年在跟几个朋友在聊天的时候,跟我说404页面不
- python在mysql中插入null空值sql = “INSERT INTO MROdata (MmeUeS1apId) VALUES (
- 效果图展示:源码查看【功能说明】利用insertBefore制作简单的循环插空效果【HTML代码说明】<ul class="
- 本文主要介绍的是python3中对str(字符串)的使用操作总结,文中介绍的非常详细,需要的朋友们下面来一起看看吧。__add__函数 (在
- 最近,就“尊重”一词,个人小有感概。也许跟我说“尊重”一词的同事并不是这么想的,但我反思了一下自己,作为一名设计师,确实存在这些疑问(不足之
- 1、设置web.config文件。以下为引用的内容:<system.web> ...... <globalization
- digo工具地址:https://github.com/werbenhu/digo特性使用注释中的注解自动代码生成自动检测循环依赖编译时期依
- 基于selenium进行动作链由于最近很多人聊到滑动验证码怎么处理,所以决定自己动手试一下。做一个东西前。我们首先要对这个东西的操作过程有一
- 最近在研究WEB布局,遇到<H1>标签了,<H1>标签很重要。在一般教程中都这么说,<H1>标签在同一页
- 什么是事件代理(Event Delegation)?如果不太了解的朋友,可详细阅读:《Event delegation in JavaScr
- 需求背景公司前端使用 Highcharts 构建图表,图表的图例支持点击显示或隐藏相应的指标。现在有需求后端需要存储用户在前端点击后显示图表
- 可能许多同学对SQL Server的备份和还原有一些了解,也可能经常使用备份和还原功能,我相信除DBA之外我们大部分开发员队伍对备份和还原只
- 前言最近在搜寻资料时,发现了一则10年前的新闻:二维码将成线上线下关键入口。从今天的移动互联网来看,支付收款码/健康码等等与我们息息相关,二
- 今天遇到一个问题,在同事随意的提示下,用了 itertools.groupby 这个函数。不过这个东西最终还是没用上。问题就是对一个list
- google前不久推出了Google Ajax Library API,说白了就是提供几个知名js库的host,目前有:jQueryprot
- PHP count_chars() 函数实例返回一个字符串,包含所有在 "Hello World!" 中使用过的不同字符
- SvnPeer.php <?php /** * * This class for execute the external progr