29 OpenCV 图像距

文章目录

距的概念

距的概念

API函数

cpp 复制代码
moments(
InputArray  array,//输入数据
bool   binaryImage=false // 是否为二值图像
)

contourArea(
InputArray  contour,//输入轮廓数据
bool   oriented// 默认false、返回绝对值)

arcLength(
InputArray  curve,//输入曲线数据
bool   closed// 是否是封闭曲线)

示例

c 复制代码
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace std;
using namespace cv;

Mat src, gray_src;
int threshold_value = 80;
int threshold_max = 255;
const char* output_win = "image moents demo";
RNG rng(12345);
void Demo_Moments(int, void*);
int main(int argc, char** argv) {
	src = imread("D:/vcprojects/images/circle.png");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	cvtColor(src, gray_src, CV_BGR2GRAY);
	GaussianBlur(gray_src, gray_src, Size(3, 3), 0, 0);

	char input_win[] = "input image";
	namedWindow(input_win, CV_WINDOW_AUTOSIZE);
	namedWindow(output_win, CV_WINDOW_AUTOSIZE);
	imshow(input_win, src);

	createTrackbar("Threshold Value : ", output_win, &threshold_value, threshold_max, Demo_Moments);
	Demo_Moments(0, 0);

	waitKey(0);
	return 0;
}

void Demo_Moments(int, void*) {
    // 定义变量
    Mat canny_output; // Canny边缘检测的输出
    vector<vector<Point>> contours; // 图像中找到的轮廓
    vector<Vec4i> hierachy; // 轮廓的层级结构

    // 应用Canny边缘检测
    Canny(gray_src, canny_output, threshold_value, threshold_value * 2, 3, false);
    // 在二值图像中找到轮廓
    findContours(canny_output, contours, hierachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));

    // 计算轮廓的矩和质心
    vector<Moments> contours_moments(contours.size()); // 轮廓的矩
    vector<Point2f> ccs(contours.size()); // 轮廓的质心
    for (size_t i = 0; i < contours.size(); i++) {
   		 // 计算轮廓的矩
        contours_moments[i] = moments(contours[i]); 
        // 计算质心
        ccs[i] = Point(static_cast<float>(contours_moments[i].m10 / contours_moments[i].m00), static_cast<float>(contours_moments[i].m01 / contours_moments[i].m00)); 
    }

    // 在原始图像上绘制轮廓和质心
    Mat drawImg; // 用于绘制轮廓和质心的图像
    src.copyTo(drawImg); // 复制原始图像以进行绘制
    for (size_t i = 0; i < contours.size(); i++) {
        // 跳过小轮廓
        if (contours[i].size() < 100) {
            continue;
        }
        // 为每个轮廓生成随机颜色
        Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
        // 打印质心坐标和轮廓属性
        printf("center point x : %.2f y : %.2f\n", ccs[i].x, ccs[i].y);
        printf("contours %d area : %.2f   arc length : %.2f\n", i, contourArea(contours[i]), arcLength(contours[i], true));
        // 在图像上绘制轮廓和质心
        drawContours(drawImg, contours, i, color, 2, 8, hierachy, 0, Point(0, 0));
        circle(drawImg, ccs[i], 2, color, 2, 8);
    }

    // 显示绘制了轮廓和质心的图像
    imshow(output_win, drawImg);
    return;
}
相关推荐
豆芽81916 分钟前
图解YOLO(You Only Look Once)目标检测(v1-v5)
人工智能·深度学习·学习·yolo·目标检测·计算机视觉
算力云39 分钟前
深度剖析!GPT-image-1 API 开放对 AI 绘画技术生态的冲击!
人工智能·openai图像生成模型·gpt-image-1
孤寂码农_defector43 分钟前
AI 人工智能模型:从理论到实践的深度解析⚡YQW · Studio ⚡【Deepseek】【Chat GPT】
人工智能
北上ing1 小时前
从FP32到BF16,再到混合精度的全景解析
人工智能·pytorch·深度学习·计算机视觉·stable diffusion
小奕同学A1 小时前
数字化技术的五个环节:大数据、云计算、人工智能、区块链、移动互联网
大数据·人工智能·云计算
Eric.Lee20211 小时前
数据集-目标检测系列- F35 战斗机 检测数据集 F35 plane >> DataBall
人工智能·算法·yolo·目标检测·计算机视觉
白熊1881 小时前
【计算机视觉】CV实践- 基于PaddleSeg的遥感建筑变化检测全解析:从U-Net 3+原理到工程实践
人工智能·计算机视觉
cmoaciopm2 小时前
Obsidian和Ollama大语言模型的交互过程
人工智能·语言模型
努力进修2 小时前
【金仓数据库征文】-金仓数据库性能调优 “快准稳” 攻略:实战优化,让数据处理飞起来
数据库·人工智能·金仓数据库 2025 征文·数据库平替用金仓
小oo呆6 小时前
【自然语言处理与大模型】模型压缩技术之量化
人工智能·自然语言处理