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
Cosolar10 小时前
深度测评 | QoderWork:当 AI 不再只是"聊天搭子",而是真能帮你干活的桌面智能体
人工智能·后端·程序员
MartinYeung510 小时前
[論文學習]大型語言模型的安全與隱私挑戰綜述
人工智能
A101693307110 小时前
从机器翻译到智驾:规则派的黄昏与数据革命的终局(十四)
人工智能·自然语言处理·机器翻译
KaMeidebaby10 小时前
卡梅德生物技术快报|原核表达系统工艺优化:包涵体重折叠 + 分子筛纯化实现功能 RBD 高效制备,附全参数配置
前端·人工智能·算法·数据挖掘·数据分析
龙腾AI白云10 小时前
智能体:你的私人数字助理
人工智能·virtualenv
PellyKoo10 小时前
【ubuntu 18.04】低版本容器安装 claude code 踩坑实录
人工智能
byte轻骑兵10 小时前
【LE Audio】CAP精讲[13]: Central侧LE连接建立全流程解析
人工智能·音视频·cap·le audio·低功耗音频
用户4816699749411 小时前
生成式AI时代,如何量化品牌在AI搜索中的可见性:一套可复测的评估框架
人工智能
CoCo的编程之路11 小时前
2026全栈演进:使用前端开发助手进行项目重构的最佳工具
大数据·前端·人工智能·ai编程·comate
Esaka_Forever11 小时前
Reinforcement Learning with Human Feedback(基于人类反馈的强化学习,简称 RLHF)
人工智能