C++ OpenCV实战之网孔检测的实现
更新时间：2022年05月05日 15:46:47 作者：Zero___Chen
这篇文章主要介绍了如何利用C++和OpenCV实现网孔检测，文中的示例代码讲解详细，对我们学习OpenCV有一定帮助，感兴趣的小伙伴可以了解一下
前言
前段时间，有位粉丝私信我，给我发了一张图片，如下图所示：
在这里贴出他的原话。
从他给的图片分析，该图存在遮挡，所以不能简单的二值化，然后提取图像轮廓去寻找结果。所以，我就想如何去掉这些遮挡物（即图像修复）。从图像可知，该遮挡物是黄色的线，所以，我就想可否使用hsv色彩空间提取出黄色，然后得到二值掩模图像，最后对原图进行修复。接下来，就一起看看是如何一步步实现的吧。
一、HSV通道转换
通过hsv通道转换，可以提取出图像中的黄色分量。
//hsv颜色通道转换，提取图像中黄色线部分，生成掩膜图像
Mat hsv;
cvtColor(src, hsv, COLOR_BGR2HSV);
Mat mask;
inRange(hsv, Scalar(10, 50, 255), Scalar(40, 255, 255), mask);
结果如图所示：
二、图像修复
关于图像修复的相关知识可以参考我之前的博文。这里就不细说了。
我们拿到上面的mask掩模图像，需要对其进行膨胀处理，使修复区域范围扩大。
//将生成的掩膜mask膨胀一下，使掩膜区域放大
Mat kernel = getStructuringElement(MORPH_RECT, Size(9, 9));
dilate(mask, mask, kernel);
接下来，需要对图像进行修复。这里我提供两种修复方法，一种是OpenCV提供的inpaint函数，一种是我自己写的。
2.1 OpenCV函数实现
//使用OpenCV自带的inpaint函数进行图像修复，得到目标图像
Mat inpaintImg;
inpaint(src, mask, inpaintImg, 1, INPAINT_NS);
效果如图所示。
2.2 MyFunction
通过修改图像像素达到图像修复的效果。具体请看源码注释。
//自己写的算法，修改图像像素，完成图像修复
Mat canvas = Mat::zeros(src.size(), src.type());
int r = 1;//像素查找范围--表示在该像素点上下几行像素进行查找
for (int i = r; i < src.rows- r; i++)
{
for (int j = 0; j < src.cols; j++)
{
if (mask.at<uchar>(i, j) != 255)
{
//对于非掩膜区域，直接将原像素进行像素赋值
for (int c = 0; c < 3; c++)
{
canvas.at<Vec3b>(i, j)[c] = src.at<Vec3b>(i, j)[c];
}
}
else
{
//找到距离该掩膜像素点最近的非掩膜区域像素进行赋值
Point res = find_Nearest_Point(mask, i, j, r);
for (int c = 0; c < 3; c++)
{
canvas.at<Vec3b>(i, j)[c] = src.at<Vec3b>(res.x, res.y)[c];
}
}
}
}
效果如何所示
三、轮廓提取
接下来我们只需要对修复之后的图像进行轮廓提取就可以了。
//将修复之后的目标图像进行图像预处理，提取轮廓
Mat gray;
cvtColor(canvas, gray, COLOR_BGR2GRAY);
Mat gaussian;
GaussianBlur(gray, gaussian, Size(3, 3), 0);
Mat thresh;
threshold(gaussian, thresh, 30, 255, THRESH_BINARY_INV);
Mat kernel1 = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(thresh, thresh, MORPH_OPEN, kernel);
//namedWindow("thresh", WINDOW_NORMAL);
//imshow("thresh", thresh);
//轮廓提取
vector<vector<Point>>contours;
findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
//经过面积，外接矩形特征筛选出目标区域
vector<vector<Point>>EffectiveConts;
for (int i = 0; i < contours.size(); i++)
{
double area = contourArea(contours[i]);
if (area>100)
{
Rect rect = boundingRect(contours[i]);
if (double(rect.height) > 30 && double(rect.width) > 30)
{
EffectiveConts.push_back(contours[i]);
}
}
}
四、效果显示
for (int i = 0; i < EffectiveConts.size(); i++)
{
//计算轮廓矩
Moments Mo = moments(EffectiveConts[i]);
//计算质心--即插孔坐标
Point center = Point(Mo.m10 / Mo.m00, Mo.m01 / Mo.m00);
//效果绘制
Rect rect = boundingRect(EffectiveConts[i]);
rectangle(src, rect, Scalar(0, 255, 0), 5);
circle(src, center, 3, Scalar(0, 0, 255), -1);
}
如图为该案例最终效果。
五、源码
#include<opencv2/opencv.hpp>
#include <iostream>
#include<opencv2/photo.hpp>
using namespace std;
using namespace cv;
double EuDis(Point pt1, Point pt2)
{
return sqrt(pow(pt1.x - pt2.x, 2) + pow(pt1.y - pt2.y, 2));
}
Point find_Nearest_Point(Mat mask , int currentrow, int currentcol, int r)
{
double mindis = 100000.0;
Point res(0,0);
//查找该像素点上下r行像素，找到最接近该像素的非掩膜区域像素
for (int i = currentrow - r; i < currentrow + r; i++)
{
for (int j = 0; j < mask.cols; j++)
{
if (mask.at<uchar>(i, j) != 255)
{
//Point(currentrow, currentcol) 表示当前需要赋值的掩膜像素点
double dis = EuDis(Point(currentrow, currentcol), Point(i, j));
if (dis < mindis)
{
mindis = dis;
res = Point(i, j); //目标像素点
}
}
}
}
return res;
}
int main()
{
Mat src = imread("test.jpg");
if (src.empty())
{
cout << "No Image!" << endl;
system("pause");
return -1;
}
//hsv颜色通道转换，提取图像中黄色线部分，生成掩膜图像
Mat hsv;
cvtColor(src, hsv, COLOR_BGR2HSV);
Mat mask;
inRange(hsv, Scalar(10, 50, 255), Scalar(40, 255, 255), mask);
//将生成的掩膜mask膨胀一下，使掩膜区域放大
Mat kernel = getStructuringElement(MORPH_RECT, Size(9, 9));
dilate(mask, mask, kernel);
//使用OpenCV自带的inpaint函数进行图像修复，得到目标图像
//Mat inpaintImg;
//inpaint(src, mask, inpaintImg, 1, INPAINT_NS);
//namedWindow("inpaintImg", WINDOW_NORMAL);
//imshow("inpaintImg", inpaintImg);
//自己写的算法，修改图像像素，完成图像修复
Mat canvas = Mat::zeros(src.size(), src.type());
int r = 1;//像素查找范围--表示在该像素点上下几行像素进行查找
for (int i = r; i < src.rows- r; i++)
{
for (int j = 0; j < src.cols; j++)
{
if (mask.at<uchar>(i, j) != 255)
{
//对于非掩膜区域，直接将原像素进行像素赋值
for (int c = 0; c < 3; c++)
{
canvas.at<Vec3b>(i, j)[c] = src.at<Vec3b>(i, j)[c];
}
}
else
{
//找到距离该掩膜像素点最近的非掩膜区域像素进行赋值
Point res = find_Nearest_Point(mask, i, j, r);
for (int c = 0; c < 3; c++)
{
canvas.at<Vec3b>(i, j)[c] = src.at<Vec3b>(res.x, res.y)[c];
}
}
}
}
//namedWindow("canvas", WINDOW_NORMAL);
//imshow("canvas", canvas);
//将修复之后的目标图像进行图像预处理，提取轮廓
Mat gray;
cvtColor(canvas, gray, COLOR_BGR2GRAY);
Mat gaussian;
GaussianBlur(gray, gaussian, Size(3, 3), 0);
Mat thresh;
threshold(gaussian, thresh, 30, 255, THRESH_BINARY_INV);
Mat kernel1 = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(thresh, thresh, MORPH_OPEN, kernel);
//namedWindow("thresh", WINDOW_NORMAL);
//imshow("thresh", thresh);
//轮廓提取
vector<vector<Point>>contours;
findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
//经过面积，外接矩形特征筛选出目标区域
vector<vector<Point>>EffectiveConts;
for (int i = 0; i < contours.size(); i++)
{
double area = contourArea(contours[i]);
if (area>100)
{
Rect rect = boundingRect(contours[i]);
if (double(rect.height) > 30 && double(rect.width) > 30)
{
EffectiveConts.push_back(contours[i]);
}
}
}
for (int i = 0; i < EffectiveConts.size(); i++)
{
//计算轮廓矩
Moments Mo = moments(EffectiveConts[i]);
//计算质心--即插孔坐标
Point center = Point(Mo.m10 / Mo.m00, Mo.m01 / Mo.m00);
//效果绘制
Rect rect = boundingRect(EffectiveConts[i]);
rectangle(src, rect, Scalar(0, 255, 0), 5);
circle(src, center, 3, Scalar(0, 0, 255), -1);
}
namedWindow("src", WINDOW_NORMAL);
imshow("src", src);
waitKey(0);
system("pause");
return 0;
}
总结
本文使用OpenCV C++实现网孔检测，主要操作有以下几点。
1、hsv通道转换，提取出黄色分量，得到掩模图像。
2、利用掩模图像对原图进行图像修复。
3、通过轮廓提取定位网孔位置。
以上就是C++ OpenCV实战之网孔检测的实现的详细内容，更多关于C++ OpenCV网孔检测的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了通过C++在Bing搜索引擎上进行命令行搜索,在这篇文章中,我们将介绍一个简单的C++程序,允许用户通过命令行输入搜索词,在Bing搜索引擎上执行搜索,并在默认浏览器中显示搜索结果,需要的朋友可以参考下2023-12-12
这篇文章主要介绍了详解_beginthreadex()创建线程，使用_beginthreadex(),需要的头文件支持#include <process.h> 下面我们就来看看具体的实现吧2022-01-01
定义命名空间，使用namespace关键字，后面跟命名空间的名字，然后接一对花括号{ } 即可，{ }中即为命名空间的成员，这篇文章主要介绍了C++命名空间 namespace,需要的朋友可以参考下2023-04-04
这篇文章主要为大家详细介绍了Qt实现Flappy Bird游戏，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-12-12
这篇文章主要介绍了详解如何将c语言文件打包成exe可执行程序，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-02-02
在本文中主要介绍了如何使用vscode调试C++和python程序，并进一步分析了如何调试gstreamer源码，讲述了如何调试gstreamer源码的具体流程，感兴趣的朋友跟随小编一起看看吧2023-01-01
柔性数组(Flexible Array)是引入的一个新特性，它允许你在定义结构体时创建一个空数组，而这个数组的大小可以在程序运行的过程中根据你的需求进行更改特别注意的一点是：这个空数组必须声明为结构体的最后一个成员，并且还要求这样的结构体至少包含一个其他类型的成员2021-10-10
这篇文章主要给大家介绍了关于C++中多态的定义及实现的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-05-05
本文主要介绍了如何使用C语言实现一个通讯录。实现通讯录的过程中，会大量用到C语言的知识点，包括但不限于：函数、自定义类型、指针、动态内存管理、文件操作，感兴趣的可以了解一下2023-05-05
这篇文章主要介绍了C+继承之同名覆盖,函数重写与多态,是C++面向对象程序设计非常重要的概念,需要的朋友可以参考下，希望能够给你带来帮助2021-09-09
最新评论