第14课 用openCV数豆豆

除了检测运动,openCV还能做许多有趣且实用的事情。其实openCV和FFmpeg一样都是宝藏开源项目,貌似简单的几行代码功能实现背后其实是复杂的算法在支撑。有志于深入学习的同学可以在入门后进一步研究算法的实现,一定会受益匪浅。

这节课,我们先来看一个简单的例子:数豆豆。这个小例子可以让你领略openCV的强悍。

1.复制demo4并改名为demo14。

2.修改init函数:

cpp 复制代码
//capCamHandle = CreateThread(NULL, 0, (LPTHREAD_START_ROUTINE)capCamThread, (LPVOID)this, 0, NULL);
capImgHandle = CreateThread(NULL, 0, (LPTHREAD_START_ROUTINE)capImgThread, (LPVOID)this, 0, NULL);

3.添加对应的数豆豆函数:

cpp 复制代码
DWORD WINAPI fmle::capImgThread(LPVOID lpParam) {
	fmle *pThis = (fmle*)lpParam;
	pThis->capImg();
	return 0;
}

int fmle::capImg() {
	videoCap.open(0);
	cv::Mat imgMat;
	imgMat = cv::imread("Bean.jpg");
	// 转换为HSV颜色空间
	cv::Mat hsvMat;
	cv::cvtColor(imgMat, hsvMat, cv::COLOR_BGR2HSV);	
	// 定义黄色范围的HSV阈值
	cv::Scalar lowerColor(26, 43, 46);
	cv::Scalar upperColor(34, 255, 255);
	// 对图像进行颜色过滤
	cv::Mat maskMat;
	cv::inRange(hsvMat, lowerColor, upperColor, maskMat);
	// 对二值图像进行形态学操作,去除噪点
	cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
	cv::morphologyEx(maskMat, maskMat, cv::MORPH_OPEN, kernel);
	// 寻找轮廓
	std::vector<std::vector<cv::Point>> contours;
	cv::findContours(maskMat, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
	// 统计豆子数量
	int beanCount = contours.size();
	cv::Mat resultMat = imgMat.clone();
	cv::drawContours(resultMat, contours, -1, cv::Scalar(0, 0, 255), 2);
	cv::putText(resultMat, "Total: " + std::to_string(beanCount), cv::Point(0, 290), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(255, 255, 255), 2);
	mainDlg->drawMatOfPub(resultMat);
	return 0;
}

4.调试运行,豆豆数量立即就显示出来了,是不是很简单?

相关推荐
KuaFuAI6 分钟前
微软推出的AI无代码编程微应用平台GitHub Spark和国产AI原生无代码工具CodeFlying比到底咋样?
人工智能·github·aigc·ai编程·codeflying·github spark·自然语言开发软件
Make_magic15 分钟前
Git学习教程(更新中)
大数据·人工智能·git·elasticsearch·计算机视觉
shelly聊AI19 分钟前
语音识别原理:AI 是如何听懂人类声音的
人工智能·语音识别
源于花海22 分钟前
论文学习(四) | 基于数据驱动的锂离子电池健康状态估计和剩余使用寿命预测
论文阅读·人工智能·学习·论文笔记
雷龙发展:Leah23 分钟前
离线语音识别自定义功能怎么用?
人工智能·音频·语音识别·信号处理·模块测试
4v1d27 分钟前
边缘计算的学习
人工智能·学习·边缘计算
风之馨技术录31 分钟前
智谱AI清影升级:引领AI视频进入音效新时代
人工智能·音视频
sniper_fandc40 分钟前
深度学习基础—Seq2Seq模型
人工智能·深度学习
goomind44 分钟前
深度学习模型评价指标介绍
人工智能·python·深度学习·计算机视觉
youcans_44 分钟前
【微软报告:多模态基础模型】(2)视觉理解
人工智能·计算机视觉·大语言模型·多模态·视觉理解